在郑州，你该买哪里的房子?
背景
某次和领导吃饭，无意中提到了房子的话题，说了几句自己的心得经验（虽然没有再次实操的资本），却给领导留下了深深的印象（领导，你不是又要在郑州置业了吧）。
前段时间一个老朋友也联系我咨询郑州房子的事情（难道就因为我在郑州吗？）。那朋友一连串问了我好几个为题，听说郑州现在房子降价了？现在该不该买？买这个XXX楼盘合适吗？
可是，我们是老朋友，你懂的。本着负责任的态度，今天我们来一块分析下郑州的房价，数据爬取自某房中介网站（我只是数据的搬运工，不对数据真实性负责哈）。
一、数据探索
爬取数据的代码已经上传全球最大同性交友网站，请star ：https://github.com/qinchaofeng/zz_house_price_analysize/blob/master/zz_house_lj.py
首先我们来简单探索爬取的数据都有哪些内容:
df_gx = pd.read_excel("E:/code/python/file/高新区.xlsx",0,header = 0)
df_gx.head() 
爬取的时候分按照区域分的文件，先合并文件：
##读取爬虫数据
df_gx = pd.read_excel("E:/code/python/file/高新区.xlsx",0,header = 0)
df_eq = pd.read_excel("E:/code/python/file/二七区.xlsx",0,header = 0)
df_gc = pd.read_excel("E:/code/python/file/管城区.xlsx",0,header = 0)
df_gq = pd.read_excel("E:/code/python/file/航空港区.xlsx",0,header = 0)
df_hj = pd.read_excel("E:/code/python/file/惠济区.xlsx",0,header = 0)
df_jk = pd.read_excel("E:/code/python/file/经开区.xlsx",0,header = 0)
df_dq = pd.read_excel("E:/code/python/file/郑东新区.xlsx",0,header = 0)
df_zy = pd.read_excel("E:/code/python/file/中原区.xlsx",0,header = 0)
df_js = pd.read_excel("E:/code/python/file/金水区.xlsx",0,header = 0)
#增加区域标签
df_gx["区"]="高新区"
df_eq["区"]="二七区"
df_gc["区"]="管城区"
df_gq["区"]="航空港区"
df_hj["区"]="惠济区"
df_jk["区"]="经开区"
df_dq["区"]="郑东新区"
df_zy["区"]="中原区"
df_js["区"]="金水区"
#合并文件，查看数据量
df = df_gx.append(df_eq).append(df_gc).append(df_gq).append(df_hj).append(df_jk).append(df_dq).append(df_zy).append(df_js)
df.shape 
此次分析的数据共16个特征，11926条记录。
二、数据分析
每个区数据条数如下：
df['区'].value_counts()
可以看出，管城、中原两个区域的房子比较多，大概是因为两个区域有浓厚的生活气息，大家都知道中原区美食是相当多啊。另外经开区和航空港区的房子较少，两个都属于新开发的区域，港区距离郑州中心城区又更远一些。
郑东新区挂牌房子少，大概率是太贵了，我等屌丝买不起啊！
另外，买房的你还看什么，户型 ，户型不好了利用率低，屋子再小得有3个房间吧，要不来个亲戚还是没地方住。
df['房屋户型'].value_counts().head() 
嘿嘿嘿，果然3室的房子更多，现在市场上有很多小三室（90平以内），很适合刚需置业者的首选，年轻人打拼不易，慢慢来，大平层会有的，别墅也会有的……
还是得买南北通透的房子，不信你看。
买房最关心的应该就是房屋的价格，下面我们来看下每个区域的价格分布。
首先对原始数据进行处理，去掉单位，方便后续计算。
#去掉单位,转数字
df["单价"] = pd.to_numeric(df["单价"].str.replace("元/平米",""))
df["总价"] = pd.to_numeric(df["总价"].str.replace("万",""))
df["建筑面积"] = pd.to_numeric(df["建筑面积"].str.replace("㎡",""))
price = df["单价"].apply(lambda s : s).astype("float16")
sns.distplot(price,bins = 20) 
单价1万5左右的房子最多。曾经有人问我，一个城市的房价多高最幸福，我想的是工资是房价的1.2倍，然后没有贷款……
我们还是来看看房子的大小都什么情况吧
price = df["建筑面积"].apply(lambda s : s).astype("float16")
sns.distplot(price,bins = 20) 
果然还是90平的房子最多，我们都是刚需~
那么价格和面积是否正相关呢，我们来看下：
# 价格与面积的关系
area_price = pd.DataFrame(list(zip(df["建筑面积"].apply(lambda s : s).astype("float16").values,df['单价'].fillna(0).values)),columns = ['建筑面积','单价'])
sns.jointplot(x = "建筑面积",y = "单价",data = area_price) 
哦，两者好像并没有正负相关关系，可能在单个小区面积和单价是有关系的。
来看看有钱人的世界，看看郑州房价的天花板，哪些小区更贵！
#查看房屋单价最贵的小区
nb_house = df.groupby(['位置','区'])['单价'].mean().sort_values(ascending = False).reset_index().head(15)
nb_house 
三、结论
看到这个房价就没心情往下分析了，有啥用，又买不起，呵呵呵呵、呜呜呜呜！
还是让领导们看看选一下吧！