項目說明

通過對深圳自如網(wǎng)站上的房源情況進行探索分析，進而了解深圳自如房租的相關情況。

探索的問題

1. 房租的分布情況
2. 哪種戶型的房源最多
3. 哪條地鐵線附近的房租比較貴
4. 哪個區(qū)的房租更貴
5. 房源的面積分布情況

數(shù)據(jù)說明

• 數(shù)據(jù)來源深圳自如網(wǎng)站(僅包含可出租狀態(tài)的合租房源）
• 采用集搜客工具爬取
• house_area: 表示房間的面積
• house_toom: 表示出租房屋的戶型
• house_price: 表示每月的房租
• house_name: 表示房源所處的小區(qū)
• house_located: 表示房源所處的區(qū)
• subway_info: 表示房源附近是否有地鐵站

數(shù)據(jù)清洗

數(shù)據(jù)預覽

# coding: utf-8
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['Microsoft YaHei'] # 使圖形能夠正常顯示中文
%pylab inline

df_sz_ziroom = pd.read_csv('ziroom_sz.csv') # 加載數(shù)據(jù)
df_sz_ziroom.head(2) # 預覽數(shù)據(jù)

2017110415097835031332.png

df_sz_ziroom = df_sz_ziroom.drop('Unnamed: 0', axis=1) # 刪掉無用的列
df_sz_ziroom.head(5) # 預覽前五條數(shù)據(jù)

20171104150978359927452.png

df_sz_ziroom.tail(5) # 預覽后5條數(shù)據(jù)

20171104150978361728373.png

需要清洗的字段

除了 house_room 字段外，剩下的字段都需要清洗，為了便于分析還需要新增字段。

1. house_area 字段有 "15.2 " 和 "約9.5 " 兩種格式，需要轉換成純數(shù)字格式。

def remove_m2(area):
    '''提取 house_area 字段中的數(shù)字'''
    if str(area).split()[0].decode('utf-8')[0].isdigit(): # 若字段中無“約”直接取 split 后的列表中的第一個子元素
        area = area.split()[0]
    else:
        area = str(area).split()[0].decode('utf-8')[1:] # 若字段中有“約”則從 split 后列表中的第一個子元素的第二個位置開始取
    return float(area)
df_sz_ziroom['house_area'] = df_sz_ziroom['house_area'].apply(remove_m2)
df_sz_ziroom['house_area'].head(5) # 預覽后15條數(shù)據(jù)

0    15.5
1    24.0
2    15.0
3     6.3
4     7.8
Name: house_area, dtype: float64

2. house_price 字段目前格式為 "￥1490 (每月)"，要把其修改為純數(shù)字格式

def remove_rmb(price):
    '''提取 house_price 字段中的數(shù)字'''
    return int(price.split()[1])
df_sz_ziroom['house_price'] = df_sz_ziroom['house_price'].apply(remove_rmb)
df_sz_ziroom['house_price'].head()

0    1660
1    2230
2    1830
3    1860
4    1930
Name: house_price, dtype: int64

3. house_name 字段目前的格式類似為 "樺潤馨居4居室-南臥"，需要把小區(qū)名字提取出來，如 "樺潤馨居"

def get_house_name(name):
    '''提取 house_name 字段中的小區(qū)名字'''
    return name.decode('utf-8').split('-')[0][:-3].encode('utf-8')
df_sz_ziroom['house_name'] = df_sz_ziroom['house_name'].apply(get_house_name)
df_sz_ziroom['house_name'].head()

0       龍園山莊
1    塘朗城廣場東區(qū)
2       龍園山莊
3    塘朗城廣場東區(qū)
4      桃源村一期
Name: house_name, dtype: object

4. house_located 字段格式為 "[龍華區(qū)龍華中心] 4號線(龍華線)龍華" 包含所在的區(qū)和地鐵兩項信息，現(xiàn)需要把這兩項信息提取并設置為兩個字段
4.1 提取地鐵信息

def get_subway(house_located):
    '''從 house_located 中提取地鐵信息'''
    info = house_located.decode('utf-8').replace('[', ' ').replace(']', ' ').split()
    if len(info) > 1: # 判斷 house_located 字段中是否包含地鐵信息
        if info[1][:2].isdigit(): # 判斷地鐵號是否為兩位數(shù) 如 11號線
            subway_info = info[1][:4].encode('utf-8') # 若地鐵號為兩位數(shù)，則取 split 后的列表中的第二個元素的前四位
        else:
            subway_info = info[1][:3].encode('utf-8') # 若地鐵號為1位數(shù)，則取 split 后的列表中的第二個元素的前三位
    else:
        subway_info = None # 若無地鐵信息則返回 None
    return subway_info
df_sz_ziroom['subway_info'] = df_sz_ziroom['house_located'].apply(get_subway) # 新建 subway 字段
df_sz_ziroom['subway_info'].head()

0    3號線
1    5號線
2    3號線
3    5號線
4    7號線
Name: subway_info, dtype: object

4.2 提取所在的區(qū)的信息

def house_located(house_located):
    '''從 house_located 中提取區(qū)信息'''
    info = house_located.decode('utf-8').replace('[', ' ').replace(']', ' ').split()
    return info[0][:3].encode('utf-8')
df_sz_ziroom['house_located'] = df_sz_ziroom['house_located'].apply(house_located)
df_sz_ziroom['house_located'].head()

0    羅湖區(qū)
1    南山區(qū)
2    羅湖區(qū)
3    南山區(qū)
4    南山區(qū)
Name: house_located, dtype: object

df_sz_ziroom.sort_values(by='house_area').head(5) # house_area 列有異常值

20171104150978371258832.png

df_sz_ziroom = df_sz_ziroom.drop(df_sz_ziroom[df_sz_ziroom['house_area']==0.1].index)
df_sz_ziroom.sort_values(by='house_area').head(5)

20171104150978380757720.png

df_sz_ziroom.to_csv('cleaned_sz_ziroom.csv') # 清洗后的數(shù)據(jù)保存為新的 csv 文件

數(shù)據(jù)探索

1 單維度分析

1.1 房租分布情況

df_sz_ziroom['house_price'].describe()

count     899.000000
mean     2068.787542
std       465.815828
min      1130.000000
25%      1760.000000
50%      1930.000000
75%      2290.000000
max      4360.000000
Name: house_price, dtype: float64

• 最低的房租為 1130 元每月，最貴的房租為 4360 元每月，土豪專屬。
• 平均房租為 2068 元每月，75% 的房租超過 1760 元每月。

接下來看看最高房租和最低房租的是什么房子

df_sz_ziroom[df_sz_ziroom['house_price'] == 1130]

20171104150978386171585.png

df_sz_ziroom[df_sz_ziroom['house_price'] == 4360]

20171104150978390632339.png

• 房租最低的房子位于龍崗區(qū)，龍崗區(qū)比較偏僻，且該套房源為6室1廳，房租最低也正常。
• 房租最貴的房子位于南山區(qū)在二號線旁邊，2號線經過的基本都是深圳最繁華的地帶，房租這么高也正常。

def delete_spines():
    ax = plt.gca()
    ax.spines['top'].set_visible(False)
    ax.spines['left'].set_visible(False)
    ax.spines['right'].set_visible(False)

plt.style.use('seaborn-talk')
x = df_sz_ziroom['house_price']
plt.hist(x, bins=26, edgecolor='black')
new_xticks = np.linspace(1000, 4500, 15)
plt.xticks(new_xticks)
plt.xlabel("house_price rmb/month")
plt.ylabel("count")
plt.title(u"深圳自如房租直方圖")
ax = plt.gca()
ax.spines['top'].set_visible(False)
ax.spines['left'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.yaxis.grid(True)
plt.show()

20171104150978395343863.png

大部分的房價集中在 1625 到 2250 元每月，其中 1750 到 2000 元每月的房源最多。超過 3500 元每月的房源很少。因為本次分析的都是合租房源，看來深圳自如的房租還是比較貴。

1.2 面積分布情況

df_sz_ziroom['house_area'].describe()

count    899.000000
mean      11.462803
std        3.322627
min        5.360000
25%        9.200000
50%       11.100000
75%       13.300000
max       30.900000
Name: house_area, dtype: float64

最小面積為 5.36 ，最大面積為 30.9 ，平均面積為 11.46 ?？磥泶蠖鄶?shù)房間的面積都不是很大，真是面積又小，價格又貴。

x = df_sz_ziroom['house_area']
plt.hist(x, bins=16, edgecolor='black')
plt.xlabel('house_area $m^2$')
plt.ylabel('count')
plt.title(u'深圳自如房間面積直方圖')
ax = plt.gca()
ax.spines['top'].set_visible(False)
ax.spines['left'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.yaxis.grid(True)
plt.show()

20171104150978431822795.png

絕大多數(shù)房間的面積集中在 6.3 到 12.7 之間，其中 10 到 12.7 之間的房源最多。超過 20 的房源很少，租房形式真嚴峻。

1.3 戶型分布情況

def add_text(x, y):
    for a, b in zip(x, y):
        plt.text(a, b+0.05, '%.0f' % b, ha='center', va='bottom', fontsize=15)

x = np.arange(len(df_sz_ziroom['house_room'].unique()))
y = df_sz_ziroom['house_room'].value_counts()
x_ticks = [room.decode('utf-8') for room in df_sz_ziroom['house_room'].unique()]
plt.bar(x, y)
plt.xticks(x, x_ticks)
plt.xlabel('house_room')
plt.ylabel('count')
plt.title(u'深圳自如戶型分布圖')
delete_spines()
add_text(x, y)

20171104150978400433286.png

戶型最多的為4室1廳，其次為3室1廳，最少的為2室1廳。
戶型太大，住的人太多，租客不愿意租，戶型太小，自如估計賺不了多少錢，大量推出4室1廳的房源可以兼顧兩方面。

1.4 區(qū)域房源分布情況

x = np.arange(len(df_sz_ziroom['house_located'].unique()))
y = df_sz_ziroom['house_located'].value_counts()
plt.bar(x, y)
x_ticks = [located.decode('utf-8') for located in df_sz_ziroom['house_located'].unique()]
plt.xticks(x, x_ticks)
plt.xlabel('house_located')
plt.ylabel('count')
plt.title(u'深圳自如房源區(qū)域分布圖')
delete_spines()
add_text(x, y)

20171104150978441167949.png

羅湖區(qū)的房源最多，其次是南山區(qū)，最少的是福田區(qū)。在福田上班的話不妨去羅湖租房，房源比較多。

1.5 地鐵附近房源分布圖

x = np.arange(len(df_sz_ziroom['subway_info'].dropna().unique()))
y = df_sz_ziroom['subway_info'].value_counts()
plt.bar(x, y)
x_ticks = [subway.decode('utf-8') for subway in df_sz_ziroom['subway_info'].dropna().unique()]
plt.xticks(x, x_ticks)
plt.xlabel('subway_info')
plt.ylabel('count')
plt.title(u'深圳地鐵附近自如房源分布圖')
delete_spines()
add_text(x, y)

20171104150978444422865.png

3號線附近的房源最多，由于3號線終點和起點分別在羅湖和龍崗，在羅湖上班的話，沿著3號線租房最好，不僅房源多，而且龍崗的房租普遍比較便宜，上班地鐵直達。
5號線附近房源數(shù)量排在第二位，由于5號線橫跨羅湖區(qū)、南山區(qū)、寶安區(qū)，中途換乘站非常多，不論在羅湖還是南山還是寶安區(qū)，沿著5號線附近租房也是不錯的選擇。

1.6 小區(qū)數(shù)量分布圖

x = np.arange(len(df_sz_ziroom['house_name'].value_counts().head(5).index))
y = df_sz_ziroom['house_name'].value_counts().head(5)
plt.bar(x, y)
x_ticks = [name.decode('utf-8') for name in df_sz_ziroom['house_name'].value_counts().head(5).index]
plt.xticks(x, x_ticks)
plt.xlabel('house_name')
plt.ylabel('count')
plt.title(u'深圳自如房源小區(qū)分布圖')
delete_spines()
add_text(x, y)

20171104150978449858953.png

房源最多的小區(qū)為佳兆業(yè)城市廣場三期，數(shù)量高達102套，其次為港鐵天頌。
佳兆業(yè)城市廣場三期位于華為基地附近，在華為上班去該小區(qū)租房是個不錯的選擇。
港鐵天頌位于深圳北高鐵站附近，需要經常坐高鐵出差去該小區(qū)租房是個不錯的選擇。

2 雙維度分析

2.1 面積和房租

x = df_sz_ziroom['house_price']
y = df_sz_ziroom['house_area']
fig = plt.figure()
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)

ax1.scatter(x, y)
ax1.set_xlabel('house_price')
ax1.set_ylabel('house_area')
ax1.set_title(u'房租面積散點圖')

ax2.scatter(sqrt(x), log10(y))
ax2.set_xlabel('sqrt_house_price')
ax2.set_ylabel('log10_house_area')
ax2.set_title(u'房租面積散點圖')
plt.show()

20171104150978406294026.png

• 圖1為房子的面積和房租的關系圖
• 圖2為對面積和房租分別取平方根和對數(shù)的關系圖
  從圖2中發(fā)現(xiàn)面積和房租并沒有呈現(xiàn)出明顯的線性關系，并不是房間面積越大，房租越貴。

2.2 區(qū)域和房租

df_located_price = df_sz_ziroom.loc[:,['house_located', 'house_price']]
df_located_price = df_located_price.groupby('house_located')['house_price']\
                                .apply(pd.Series.reset_index, drop=True).unstack()
df_located_price.head()

20171104150978413921838.png

xs = [x[~np.isnan(x)] for x in df_located_price.values]
plt.boxplot(xs)
x_ticks = [tick.decode('utf-8') for tick in df_located_price.index]
plt.xticks(arange(1, len(xs)+1), x_ticks)
y_ticks = np.linspace(1000, 4500, 8)
plt.yticks(y_ticks)
plt.xlabel('house_located')
plt.ylabel('price')
plt.title(u'房源所在區(qū)域和房租箱線圖')
plt.gca().yaxis.grid(True)
delete_spines()
plt.show()

20171104150978415732396.png

南山區(qū)的房租貴，75%的房租高于2000元每月，其箱體也最長。南山區(qū)積聚了大量互聯(lián)網(wǎng)企業(yè)，薪資水平在深圳相對來說也非常高。
福田區(qū)的房租緊隨南山區(qū)之后，龍崗區(qū)和羅湖區(qū)的房租最低。
如果在南山區(qū)工作，去寶安租房是個不錯的選擇，地鐵方便，房租也比南山便宜。
在福田區(qū)工作，去羅湖和龍華租房是個不錯的選擇，地鐵方便，房租也比福田便宜很多。

2.2 地鐵沿線房租情況

df_subway_price = df_sz_ziroom.loc[:,['subway_info', 'house_price']]
df_subway_price.head()
df_subway_price = df_subway_price.groupby('subway_info')['house_price']\
                                .apply(pd.Series.reset_index, drop=True).unstack()
df_subway_price.head()

2017110415097841914742.png

xs = [x[~np.isnan(x)] for x in df_subway_price.values]
plt.boxplot(xs)
x_ticks = [tick.decode('utf-8') for tick in df_subway_price.index]
plt.xticks(arange(1, len(xs)+1), x_ticks)
plt.gca().yaxis.grid(True)
plt.xlabel('subway_info')
plt.ylabel('price')
plt.title(u'地鐵沿線房租箱線圖')
delete_spines()
plt.show()

20171104150978420919718.png

2號線沿線的房租最貴，絕大部分都超過2000元每月，2號線沿線都是比較繁華的地方，房租自然比較高。1號線和11號線沿線的房租緊隨2號線其后。
3號線和5號線沿線的房租比較低。

3 多維度分析

3.1 面積，房租，區(qū)域，地鐵沿線

import sys
default_stdout = sys.stdout
default_stderr = sys.stderr
reload(sys)
sys.stdout = default_stdout
sys.stderr= default_stderr
sys.setdefaultencoding('utf8')
import seaborn as sns
sns.set_style("darkgrid",{"font.sans-serif":['Microsoft YaHei']})
sns.FacetGrid(df_sz_ziroom, col='house_located', col_wrap= 3,
                        hue='subway_info',size=3, aspect=1)\
                    .map(plt.scatter, "house_area", "house_price")\
                    .add_legend()  
plt.show()

20171104150978456730936.png

2號線沿線的房子最貴，主要分布在南山區(qū)和福田區(qū)，絕大多數(shù)房租均超過2000元每月。
5號線和3號線沿線的房子主要分布在羅湖區(qū)和龍崗區(qū)，且絕大多數(shù)房價低于2000元每月。5號線沿線少量的大面積房源分布子在龍華區(qū)。
7號線和9號線沿線的房子主要分布在福田區(qū)和羅湖區(qū)，且價格大多數(shù)超過2000元每月。
4號線沿線的房子絕大部分分布在龍華區(qū)，絕大部分價格比較高的分布在福田區(qū)。
1號線和11號線沿線的房子主要分布南山區(qū)和寶安區(qū)，分布在寶安區(qū)的房租相對來說比較低。

結論

1. 深圳自如絕大多數(shù)房租超過1700元，且面積都不大，不過結合深圳的實際租房情況和自如的服務，這個價位還是可以考慮。
2. 南山區(qū)的房租最貴，房源數(shù)量也是第二多的，南山區(qū)也聚集了大量互聯(lián)網(wǎng)企業(yè)，對于經常加班的互聯(lián)網(wǎng)從業(yè)者來說在公司附近租房是個不錯的選擇。
3. 龍崗區(qū)和羅湖區(qū)的房租最低，且羅湖區(qū)房源數(shù)量最多，在羅湖上班想租的近一點可以選擇羅湖，考慮便宜一點的可以去龍崗區(qū)租房。