Python数据分析告诉你为何北京的二手房你都买不起！

身为北漂一族，相信很多人也面临或者经历过工作，定居租房买房之类的。每个北漂心里一直想买一套自己的房子，而北京的房价却让人让望而却步。

在此，我们来采集一下北京在售的二手房信息，有人想问，为啥不采集新房？快醒醒吧，新房可远观而不可亵玩焉，一般人都买不起，看的只会心情不好，hhhh

当然，二手房估计你也买不起！咱们拿数据说话！看看离买房还有多远的距离。

第一步

抓取相关房价信息

走在北京的大街小巷，你会看到很多做房产中介的，最常见的就是链家了~ 我们选取链家网作为爬取对象。

使用Requests和BeautifulSoup可以轻松获取网页数据。使用Python可以定义函数，这意味着一旦构建完，我们可以通过修改参数的方式快速获取网址。

写完后，我们只需要输入需要爬取的【城市URL】【多少页】数据，就可以自动运行得到数据：

使用此方法，我们将爬取了10个字段的北京二手房数据，并将抓取的信息存到本地数据库Mysql中。

保存的信息如下：

第二步

导入数据和数据清洗

首先，从数据库中导入采集的数据，并查看下数据表信息。之后原始数据需要进行一些预处理才能进行分析和建模。

1. 数据初窥

查看数据信息（包括每个字段数据类型），数据行列数，文件大小等。这份数据集一共有1742条数据信息，且没有空值存在。

2. 看看有没有重复值

可以看到这份数据集没有重复值。

3. 看看有没有异常值

根据建模需求，“房屋类型”字段我们需要将其拆分成“几室”和“几厅”。观察‘房屋类型’字段。我们发现有些字段文本信息含“别墅”和“车位”。我们把“别墅“拉出来看看。

一共有18条记录，最大值高达8800万，好吧，我只能说，打扰了！

为了建模考虑，我们直接将这些笔数不多的土豪别墅视为异常值异常值删掉。

4. 数据编码

这里为了分析需求，我们做了以下工作：将房屋类型拆分成‘bedroom’和‘halls’两个字段，房屋面积、总价、单价转换为数值型，楼层字段抽取，数据类型转换等，处理后用于分析的数据表如下：

第三步

数据探索和可视化

1. 看看目标字段房价分布

可以看到房价数据呈现右偏分布，二手房房屋单价分布的中位数为57839元，50%的房屋价格集中在44881-69525元区间。

2. 各地区在售房屋情况分析

这个字段需要进行一般化处理，转换为区域才比较有分析价值，如将北京南站转换为“丰台区”。此处暂不做处理。

3. 探究Bedrooms与Total_price的关系

且随着卧室数的增多，房屋面积越大，总价越高，符合大众的认知。

4. 探究装修类型和房价

精装修类型的房价最贵，其次是简装。

5. 探究面积和房价关系

线性关系不是很明显，且存在一些异常值。

第四步

使用数据建模预测房价和影响因素挖掘

我们选取房屋面积、卧室、客厅、装修类型、房屋单价和楼层字段建立回归分析模型预测房屋总价：

R方为0.82，以下是预测结果和真实结果的散点图分布：

以上就是房价分析的全流程，建模部分还比较粗陋，旨在练习使用。