又快到了高校的畢業(yè)季，不知道即將畢業(yè)的同學(xué)們有沒(méi)有想好怎么租房呢？最近復(fù)習(xí)了python數(shù)據(jù)分析的一些知識(shí)，然后在網(wǎng)上爬取了廣州的租房?jī)r(jià)格數(shù)據(jù)，做了一個(gè)廣州租房?jī)r(jià)格的數(shù)據(jù)分析小項(xiàng)目。

步驟

• 明確分析的目的
• 數(shù)據(jù)準(zhǔn)備
• 數(shù)據(jù)清洗
• 數(shù)據(jù)分析
• 數(shù)據(jù)可視化
• 分析報(bào)告

明確分析的目的

通過(guò)對(duì)廣州租房房源的價(jià)格、面積、地理位置、交通信息等因素的分析，為畢業(yè)后想留在一線城市如廣州工作的同學(xué)，提供一個(gè)廣州租房情況的整體的分析調(diào)查.

探索的問(wèn)題

• 房租的分布情況
• 哪種戶型的房源最多
• 哪條地鐵線附近的房租比較貴
• 哪個(gè)區(qū)的房租更貴

數(shù)據(jù)準(zhǔn)備

1.數(shù)據(jù)說(shuō)明

• 數(shù)據(jù)來(lái)源于廣州房居客
• 采用八爪魚(yú)采集器工具爬取
• house_district：表示房屋所在的區(qū)
• house_location：表示房屋所在的地理位置
• house_name：表示房屋的名字
• house_room：表示房屋的戶型
• subway_info：表示房屋周邊的地鐵的信息
• house_price：表示房屋的價(jià)格

2.數(shù)據(jù)預(yù)覽

1).首先看一下整個(gè)數(shù)據(jù)集

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
plt.rcParams['font.sans-serif']=['Microsoft YaHei']   #使圖像顯示中文
%pylab inline
gz_house = pd.read_csv('house_gz.csv')      #加載數(shù)據(jù)
gz_house.head(5)        #預(yù)覽數(shù)據(jù)

預(yù)覽數(shù)據(jù)

每列數(shù)據(jù)條數(shù)

本次分析一共采集了871條有效的房源信息，其中的subway_info屬性只有693條記錄，存在缺失值，說(shuō)明有一部分的房源是周邊沒(méi)有地鐵的，這些將在數(shù)據(jù)清洗中進(jìn)行處理.

數(shù)據(jù)清洗

數(shù)據(jù)清理的流程為：

• 選擇子集
• 缺失數(shù)據(jù)處理
• 數(shù)據(jù)類型轉(zhuǎn)換
• 異常值處理
• 有時(shí)為了便于分析，也會(huì)對(duì)列名進(jìn)行重命名或者新增列字段

1.選擇子集

對(duì)于house_room字段，我們需要提取出其中的面積數(shù)據(jù)和房屋戶型數(shù)據(jù)
對(duì)于subway_info字段，我們需要提取出其中的地鐵信息數(shù)據(jù)

#清洗house_room字段，把其中的房子規(guī)格、面積提取出來(lái)
#提取house_room字段中房子的面積大小,并插入到原數(shù)據(jù)中，命名為house_area
#提取house_room字段中的房間的規(guī)格，并插入回house_room字段中
house_room_info = gz_house['house_room'].str.split('|',expand=True)
gz_house['house_area'] = house_room_info[2]
gz_house['house_room'] = house_room_info[1]
#對(duì)地鐵信息字段進(jìn)行清洗，提取其中的幾號(hào)線
gz_house['subway_info'] = gz_house['subway_info'].str.slice(1,4)

2.缺失數(shù)據(jù)處理

缺失數(shù)據(jù)的常用處理方式有：(1)刪除缺失值 (2)平均值填充 (3)算法填充 等
對(duì)于subway_info字段，有部分的房源沒(méi)有地鐵信息，可以人為的為缺失值命名為“無(wú)地鐵”

gz_house['subway_info'][pd.isnull(gz_house['subway_info'])] = '無(wú)地鐵'

3.數(shù)據(jù)類型轉(zhuǎn)換

對(duì)于house_area中的面子字段，分離出來(lái)的值都帶有㎡符號(hào)，而在分析時(shí)房屋面積一般需要為浮點(diǎn)型（float）的數(shù)據(jù)，因此需要將house_area中的㎡除去，并將數(shù)據(jù)類型進(jìn)行轉(zhuǎn)換

'''提取house_area字段中的數(shù)字'''
def remove_m2(area):
    new_value = area.replace('㎡','')
    return np.float(new_value)
gz_house['house_area'] = gz_house['house_area'].apply(remove_m2)

經(jīng)過(guò)上面的步驟，來(lái)看一下清洗完的數(shù)據(jù)集.

清理后的數(shù)據(jù)

每一列的數(shù)據(jù)類型

數(shù)據(jù)分析與可視化

1.房租的分布情況

• 最底的房租價(jià)格為800元/月，最貴的房租價(jià)格為35000元/月

• 平均的房屋均價(jià)為4616元/月，有75%的房租超過(guò)了2825元/月

  
  
  房租分布

最貴房租的房子和最低房租的房子長(zhǎng)什么樣？

gz_house[gz_house['house_price'] == 35000]
gz_house[gz_house['house_price'] == 800]

最貴

最低

最貴的房子面積達(dá)到了315㎡，每平方米均價(jià)為 35000 / 315= 111元；
最便宜的房子面積為76平米，每平方米均價(jià)為 800 / 76 = 11元，兩者的房屋每平方米均價(jià)相差接近十倍！
最貴的房子位于珠江新城，地理位置處于廣州的CBD位置，周邊商圈林立，是最繁華的地段。而且房屋面積超過(guò)300㎡，附近還有地鐵5號(hào)線和3號(hào)線經(jīng)過(guò)，房租這么貴也正常。
最便宜的房子位于花都美林湖，位置偏僻，開(kāi)車需要1-2小時(shí)才能到達(dá)，而且周邊沒(méi)有地鐵，交通極不方便，所以雖然房屋面積不小，但是仍然是一個(gè)低的價(jià)格

房租價(jià)格直方圖

廣州大部分的租房的價(jià)格集中在2500至5000元的區(qū)間，其中以4000至4500的房源最多，超過(guò)8000以上的房源很少。
這個(gè)價(jià)格區(qū)間對(duì)于剛畢業(yè)的大學(xué)生來(lái)說(shuō)還是比較貴的

2.面積的分布情況

• 房屋面積最小的為16㎡，最大的為315㎡，有75%的房子超過(guò)65㎡
• 65㎡的房子足夠提供兩個(gè)生活的面積，對(duì)于剛畢業(yè)薪資水平不高的畢業(yè)同學(xué)可以考慮找一兩個(gè)朋友進(jìn)行合租，房租會(huì)相應(yīng)低一點(diǎn).
• 房屋面積集中分布在50-100平米的區(qū)間內(nèi)，而低于50㎡的小面積型房源要少得多。這對(duì)于畢業(yè)后希望一個(gè)人住的同學(xué)來(lái)說(shuō)不是一個(gè)好的消息.

面積分布

3.區(qū)域房源分布情況

• 天河區(qū)的房源最多，有288間可租房源，占總體的33%，其次是番禺區(qū)有156間可租房源，占總體的18%，最少的是花都和黃埔區(qū)，只有17間和6間可租房源，僅占總體的1%

  
  

4.地鐵房源分布情況

• 有地鐵的房源比無(wú)地鐵的房源多，無(wú)地鐵的房源僅占20%
• 5號(hào)線附近的房源最多，由于5號(hào)線的起點(diǎn)和終點(diǎn)分別在黃埔荔灣，并且途徑珠江新城、楊箕等重要換乘站，如果在黃埔區(qū)工作，可以考慮沿著5號(hào)線租房
• 3號(hào)線附近的房源第2多：3號(hào)線沿途經(jīng)過(guò)多個(gè)高校和重要寫(xiě)字樓，起點(diǎn)和終點(diǎn)分別為天河客運(yùn)站還有番禺廣場(chǎng)，附近的房源價(jià)格會(huì)比市中心的房源便宜不少。如果在市中心上班的話可以考慮去番禺或者天河客運(yùn)站附近租房

• 2號(hào)線、6號(hào)線、1號(hào)線都位于廣州的主城區(qū)越秀區(qū)、荔灣區(qū)，并且相互之間換乘方便，如果工作地點(diǎn)在越秀區(qū)的話，沿著這三條地鐵附近租房也是個(gè)不錯(cuò)的選擇

  
  

5.雙維度分析——同時(shí)考慮區(qū)域和房租

• 越秀區(qū)的房租最貴，75%的房租都超過(guò)了3000元每月，其箱體也最長(zhǎng)。越秀區(qū)位于廣州市中心，區(qū)內(nèi)有許多廣州優(yōu)秀中小學(xué)，屬于教育大區(qū)，附近的房源對(duì)于家中有在讀書(shū)的小孩來(lái)說(shuō)是一個(gè)不錯(cuò)的選擇，但是對(duì)于剛畢業(yè)的大學(xué)生來(lái)說(shuō)可能不太適合.
• 天河區(qū)房租緊隨越秀區(qū)后，天河區(qū)聚集了廣州的服務(wù)、金融、銀行等企業(yè)，薪資水平在廣州相對(duì)來(lái)說(shuō)也比較高，如果工作地點(diǎn)在天河區(qū)，同時(shí)希望上班近一點(diǎn)的同學(xué)，可以考慮一下在天河區(qū)租房.

• 如果在越秀區(qū)工作，可以考慮去荔灣區(qū)租房，地鐵方便，房租也比越秀區(qū)便宜很多；如果在天河區(qū)工作，可以考慮去番禺或者黃埔租房

  
  

6.多維度分析——同時(shí)考慮房屋面積、價(jià)格和地鐵之間的關(guān)系

將自變量設(shè)為房屋的面積，因變量設(shè)為房屋的價(jià)格，同時(shí)考慮房屋附近是否有地鐵的因素，繪制散點(diǎn)圖，并進(jìn)行線性回歸分析（這里用了2次多項(xiàng)式進(jìn)行曲線的擬合）

• 總體上，在同一面積下，有地鐵的房源的租房?jī)r(jià)格高于無(wú)地鐵的房源
• 面積和地鐵不是影響房源的唯一因素，同一面積下，有的無(wú)地鐵房源價(jià)格也要比有地鐵房源高.

• 根據(jù)擬合的回歸曲線，可以根據(jù)自己希望住的房間戶型大致找出一個(gè)房?jī)r(jià)的區(qū)間，比如75㎡的房屋無(wú)地鐵對(duì)應(yīng)價(jià)格約為3000，而有地鐵房屋對(duì)于價(jià)格約為5000，剛畢業(yè)的同學(xué)可以根據(jù)價(jià)格的變化來(lái)選取適合自己條件的房源

  
  
  散點(diǎn)圖
  
  
  擬合曲線

7.多維分析——同時(shí)考慮面積、價(jià)格和區(qū)域之間的關(guān)系

• 3號(hào)線和5號(hào)線沿線的房子最貴，主要分布在天河區(qū)，且50%的房租都超過(guò)5000元每月
• 14號(hào)線沿線的房子主要分布在南沙區(qū)，且絕大多數(shù)房?jī)r(jià)低于5000元/月
• 海珠區(qū)的房源地鐵主要為3號(hào)線和2號(hào)線，且房源數(shù)量多、價(jià)格也比天河、越秀略低
• 增城、花都基本沒(méi)有房源有地鐵經(jīng)過(guò)，交通不便利
• 相較于中心城區(qū)，黃埔區(qū)和荔灣區(qū)附近有地鐵的房源較少

分析結(jié)論

1.廣州房居客絕大多數(shù)的房租都在3000元以上，面積均為中等戶型，這個(gè)價(jià)位性價(jià)比屬于比較高的，剛畢業(yè)的學(xué)生可以考慮
2.天河區(qū)的房源數(shù)量最多，價(jià)格也是第二貴的。天河區(qū)擁有廣州的CBD，對(duì)于經(jīng)常需要加班的白領(lǐng)來(lái)說(shuō)，在公司附近租房是個(gè)不錯(cuò)的選擇
3.有地鐵的房源占調(diào)查總體的80%以上，如果在中心城區(qū)的租房?jī)r(jià)格超過(guò)承受能力，可以沿著地鐵線路跨區(qū)找房，房源多，價(jià)格也相對(duì)低一點(diǎn)。

結(jié)語(yǔ)

快畢業(yè)了，希望這份分析報(bào)告能夠幫助想要留在廣州的同學(xué)都能找到自己喜歡的房子，在廣州扎下根來(lái)。
有紕漏的地方還希望大家能夠多多指正