文|尋找不同的蜜蜂
購置新房，對于剛參加工作沒幾年的孩童來說，可謂壓力山大。特別是，在北上廣深，這種超級城市，買房簡直天方夜譚。
前一陣，刮起了一陣逃離北上廣的熱潮，逃離的理由不必贅述，你我都懂。或許，在新一線城市發(fā)展，也是一個(gè)不錯(cuò)選擇。畢竟留在這些城市發(fā)展，機(jī)會還是多很多。
但說實(shí)話，在新一線購置一套新房，似乎也不那么容易。有些人認(rèn)為，新房買不起，購置二手房，也是不錯(cuò)選擇。也有人認(rèn)為，二手房比新房價(jià)格還貴。
那么，到底二手房的價(jià)格如何？
通過爬蟲，爬取貝殼二手房網(wǎng)，選取新一線的14個(gè)城市為研究對象，分別是杭州、青島、天津、南京、成都、重慶、長沙、武漢、鄭州、沈陽、東莞、西安、蘇州和無錫。
共記4萬+二手房信息，其中，每一個(gè)城市約3000條二手房信息（貝殼網(wǎng)上限100頁）。
1/ 信息的收集
爬蟲，作為有效的信息收集途徑之一，其靈活和實(shí)時(shí)性等特點(diǎn)，已被大家高度認(rèn)可?；ヂ?lián)網(wǎng)時(shí)代，掌握爬蟲技能，是必不可少的技能之一。
python中，目前，有很多爬蟲模塊，比如：scrapy（更為高級結(jié)構(gòu)化的框架），re，request， beautifulsoup等。
本文繼續(xù)使用request+beautifulsoup模塊，爬取數(shù)據(jù)，包括小區(qū)名字、區(qū)域、戶型、面積、總價(jià)格以及每平米價(jià)格。
1）Request負(fù)責(zé)爬取html源代碼至本地，需注意一點(diǎn)：解析前，查看html是否完全被下載下來。如果發(fā)現(xiàn)只爬下部分內(nèi)容，可能存在反扒機(jī)制。
2）Beautifulsoup負(fù)責(zé)解析以上html，基于CSS選擇器，提取關(guān)心的信息，必要時(shí)，需對數(shù)據(jù)進(jìn)行處理（如：去空格、去換行和去除不必要的字符串等等）。
3）有時(shí)網(wǎng)絡(luò)不是特別好，爬取過程中會出現(xiàn)中斷，如果不設(shè)置監(jiān)控點(diǎn)，都不知道爬到哪里。建議使用format（）設(shè)置頁面監(jiān)控點(diǎn)。
2/ 信息過濾
爬下的信息中，多少有一些，無效信息。篩選有用的信息，變得極為關(guān)鍵。
通過對新一線城市，4萬條的住房信息處理發(fā)現(xiàn)，各個(gè)城市各區(qū)的房屋信息條數(shù)分布，極不均勻，一些地區(qū)的二手房信息有幾百條，甚至千條，但有些，卻只有幾條。
因此，以大于50條為過濾條件，統(tǒng)計(jì)并計(jì)算各城市各區(qū)的均值。
3/ 結(jié)果可視化
使用pyechart和excel對數(shù)據(jù)進(jìn)行可視化，其中，地圖可視化的代碼如下：
對于數(shù)據(jù)data，可以手動輸入，也可以導(dǎo)入CSV。然后，調(diào)整顯示范圍 [10000, 40000 ]，很方便。其他參數(shù)，可以保持默認(rèn)即可。
別忘記下載地圖數(shù)據(jù)，命令行輸入 pip install echarts-china-provinces-pypkg和 pip install echarts-china-cities-pypkg。
對于excel的使用，主要是在上千的數(shù)據(jù)當(dāng)中，篩選出各城市各區(qū)對應(yīng)的數(shù)據(jù)，并求均值，AVERAGEIF（）函數(shù)，不要錯(cuò)過。
4/ 結(jié)果分析
通過對以上4萬條房屋信息處理和分析，14個(gè)城市的二手房均價(jià)排名如下：
1）杭州， 39495元/平方米
2）南京， 33346元/平方米
3）青島， 28368元/平方米
4）天津， 27722元/平方米
5）蘇州， 23739元/平方米
6）東莞， 20801元/平方米
7）武漢， 20605元/平方米
8）成都， 17266元/平方米
9）西安， 16636元/平方米
10）鄭州， 16057元/平方米
11）無錫， 15245元/平方米
12）重慶， 14769元/平方米
13）長沙， 11736元/平方米
14）沈陽， 11378元/平方米
新一線城市，二手房的均價(jià)在11000～40000元/平方米之間，差值高達(dá)30000元/平方米?？梢悦黠@得知，沿海地區(qū)的城市房價(jià)確實(shí)比中部城市高很多。
1.杭州
目前來說，杭州的二手房價(jià)格，在新一線城市排名第一。
杭州各區(qū)二手房均價(jià)/平方米分布，呈現(xiàn)不均勻態(tài)勢，最低余杭均價(jià)近30000元/平方米左右，最高上城均價(jià)直逼50000元/平方米。杭州50%的區(qū)域，均價(jià)都已經(jīng)超過40000元/平方米。
2.南京
南京各區(qū)二手房均價(jià)/平方米分布不均勻，最低浦口均價(jià)24000元/平方米，最高鼓樓46000元/平方米，差值一倍之多。
3.青島
青島各區(qū)二手房均價(jià)/平方米分布，也呈現(xiàn)不均勻態(tài)勢。青島30%的地區(qū)，均價(jià)突破30000元/平方米。
4.天津
天津各區(qū)二手房均價(jià)/平方米分布，也呈現(xiàn)不均勻態(tài)勢?？梢悦黠@看出，和平的均價(jià)已經(jīng)突破50000元/平方米，比最低的武清高出3倍之多。天津75%的地區(qū)，均價(jià)低于30000元/平方米。
5.蘇州
蘇州各區(qū)二手房均價(jià)/平方米分布，也呈現(xiàn)不均勻態(tài)勢。除工業(yè)園區(qū)超出30000元/平方米，其他地區(qū)均價(jià)在19000～25000元/平方米。
6.東莞
東莞各區(qū)二手房均價(jià)/平方米分布，也呈現(xiàn)不均勻態(tài)勢。最低均價(jià)大于15000元/平方米，最高的松山湖直逼30000元/平方米。
7.武漢
武漢各區(qū)的二手房均價(jià)分布極不均勻。均價(jià)超過20000元/平方米的區(qū)有6個(gè)，占比60%。特別是，武昌均價(jià)已經(jīng)高達(dá)26000+元/平方米，比最低的黃陂多一倍。
8.成都
成都各區(qū)二手房均價(jià)/平方米分布，也呈現(xiàn)不均勻態(tài)勢。4個(gè)區(qū)均值低于15000/平方米，4個(gè)區(qū)均值介于15000～20000/平方米，4個(gè)區(qū)大于20000元/平方米。
9.西安
西安各區(qū)二手房均價(jià)/平方米分布較為持平，14000～17000/平方米左右，除雁塔突破20000元/平方米。
10.鄭州
鄭州各區(qū)二手房均價(jià)/平方米分布，也呈現(xiàn)不均勻態(tài)勢。除鄭州新區(qū)24000/平方米左右，其他地區(qū)均價(jià)在10000～17000/平方米左右。
11.無錫
無錫各區(qū)二手房均價(jià)/平方米分布，也呈現(xiàn)不均勻態(tài)勢。但均價(jià)均低于20000元/平方米。濱湖與惠山差價(jià)5000元/平方米。
12.重慶
重慶各區(qū)二手房均價(jià)/平方米分布，也呈現(xiàn)不均勻態(tài)勢。在14個(gè)新一線城市中，江津7400元/平方米，應(yīng)該是目前價(jià)格最低的地區(qū)了。
13.長沙
長沙各區(qū)二手房均價(jià)/平方米分布，呈現(xiàn)均勻態(tài)勢，各區(qū)均價(jià)低于13000元/平方米。
14.沈陽
沈陽各區(qū)二手房均價(jià)/平方米分布，也呈現(xiàn)不均勻態(tài)勢。最高和最低差價(jià)在8000元/平方米。
你在上述14個(gè)城市的哪一個(gè)城市，拼搏奮斗呢？
希望，對購置二手房的你，可以提供一些科學(xué)的參考。
（以上數(shù)據(jù)，均爬取各城市對應(yīng)最大頁數(shù)(100頁)。4萬的數(shù)據(jù)量，可能不夠全面，結(jié)果僅供參考。）
相關(guān)文章：
1/ 學(xué)習(xí)python 115小時(shí)后，告訴想學(xué)爬蟲的你，別怕，爬蟲，沒那么難抓！
2/ 爬取60000個(gè)崗位，爬蟲告訴想要找或換工作的你，城市和行業(yè)，該怎么選？
