毕业设计 大数据房价数据分析及可视化 - python 房价分析

文章目录

🧿 选题指导, 项目分享：

https://gitee.com/dancheng-senior/project-sharing-1/blob/master/%E6%AF%95%E8%AE%BE%E6%8C%87%E5%AF%BC/README.md

1 课题背景

房地产是促进我国经济持续增长的基础性、主导性产业。如何了解一个城市的房价的区域分布，或者不同的城市房价的区域差异。如何获取一个城市不同板块的房价数据？
本项目利用Python实现某一城市房价相关信息的爬取，并对爬取的原始数据进行数据清洗，存储到数据库中，利用pyechart库等工具进行可视化展示。

2 数据爬取

2.1 爬虫简介

网络爬虫是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。爬虫对某一站点访问，如果可以访问就下载其中的网页内容，并且通过爬虫解析模块解析得到的网页链接，把这些链接作为之后的抓取目标，并且在整个过程中完全不依赖用户，自动运行。若不能访问则根据爬虫预先设定的策略进行下一个 URL的访问。在整个过程中爬虫会自动进行异步处理数据请求，返回网页的抓取数据。在整个的爬虫运行之前，用户都可以自定义的添加代理，伪 装 请求头以便更好地获取网页数据。
爬虫流程图如下：

实例代码

# get方法实例import requests #先导入爬虫的库，不然调用不了爬虫的函数
response = requests.get("http://httpbin.org/get")#get方法print( response.status_code )#状态码print( response.text )

2.2 房价爬取

累计爬取链家深圳二手房源信息累计18906条

• 爬取各个行政区房源信息；
• 数据保存为DataFrame；

相关代码

from bs4 import BeautifulSoup  
import pandas as pd
from tqdm import tqdm
import math
import requests  
import lxml
import re
import time

area_dic ={'罗湖区':'luohuqu','福田区':'futianqu','南山区':'nanshanqu','盐田区':'yantianqu','宝安区':'baoanqu','龙岗区':'longgangqu','龙华区':'longhuaqu','坪山区':'pingshanqu'}# 加个header以示尊敬
headers ={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.146 Safari/537.36','Referer':'https://sz.lianjia.com/ershoufang/'}# 新建一个会话
sess = requests.session()
sess.get('https://sz.lianjia.com/ershoufang/', headers=headers)# url示例：https://sz.lianjia.com/ershoufang/luohuqu/pg2/
url ='https://sz.lianjia.com/ershoufang/{}/pg{}/'# 当正则表达式匹配失败时，返回默认值（errif）defre_match(re_pattern, string, errif=None):try:return re.findall(re_pattern, string)[0].strip()except IndexError:return errif

# 新建一个DataFrame存储信息
data = pd.DataFrame()for key_, value_ in area_dic.items():# 获取该行政区下房源记录数
    start_url ='https://sz.lianjia.com/ershoufang/{}/'.format(value_)
    html = sess.get(start_url).text
    house_num = re.findall('共找到<span> (.*?) </span>套.*二手房', html)[0].strip()print('💚{}: 二手房源共计「{}」套'.format(key_, house_num))
    time.sleep(1)# 页面限制🚫 每个行政区只能获取最多100页共计3000条房源信息
    total_page =int(math.ceil(min(3000,int(house_num))/30.0))for i in tqdm(range(total_page), desc=key_):
        html = sess.get(url.format(value_, i+1)).text
        soup = BeautifulSoup(html,'lxml')
        info_collect = soup.find_all(class_="info clear")for info in info_collect:
            info_dic ={}# 行政区
            info_dic['area']= key_
            # 房源的标题
            info_dic['title']= re_match('target="_blank">(.*?)</a><!--',str(info))# 小区名
            info_dic['community']= re_match('xiaoqu.*?target="_blank">(.*?)</a>',str(info))# 位置
            info_dic['position']= re_match('<a href.*?target="_blank">(.*?)</a>.*?class="address">',str(info))# 税相关，如房本满5年
            info_dic['tax']= re_match('class="taxfree">(.*?)</span>',str(info))# 总价
            info_dic['total_price']=float(re_match('class="totalPrice"><span>(.*?)</span>万',str(info)))# 单价
            info_dic['unit_price']=float(re_match('data-price="(.*?)"',str(info)))# 匹配房源标签信息，通过|切割# 包括面积，朝向，装修等信息
            icons = re.findall('class="houseIcon"></span>(.*?)</div>',str(info))[0].strip().split('|')
            info_dic['hourseType']= icons[0].strip()
            info_dic['hourseSize']=float(icons[1].replace('平米',''))
            info_dic['direction']= icons[2].strip()
            info_dic['fitment']= icons[3].strip()# 存入DataFrameif data.empty:
                data = pd.DataFrame(info_dic,index=[0])else:
                data = data.append(info_dic,ignore_index=True)

爬取过程

3 数据可视化分析

3.1 ECharts

ECharts（Enterprise Charts）是百度开源的数据可视化工具，底层依赖轻量级Canvas库ZRender。兼容了几乎全部常用浏览器的特点，使它可广泛用于PC客户端和手机客户端。ECharts能辅助开发者整合用户数据，创新性的完成个性化设置可视化图表。支持折线图（区域图）、柱状图（条状图）、散点图（气泡图）、K线图、饼图（环形图）等，通过导入 js 库在 Java Web 项目上运行。

python安装

pip install pyecharts

3.2 相关可视化图表

房源面积-总价散点图

scatter =(Scatter(init_opts=opts.InitOpts(theme='dark')).add_xaxis(data['hourseSize']).add_yaxis("房价", data['total_price']).set_series_opts(label_opts=opts.LabelOpts(is_show=False),
                           markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最大值"),])).set_global_opts(
               legend_opts=opts.LegendOpts(is_show=False),
               title_opts=opts.TitleOpts(title="深圳二手房 总价-面积 散点图"),
               xaxis_opts=opts.AxisOpts(
                   name='面积',# 设置坐标轴为数值类型
                   type_="value",# 不显示分割线
                   splitline_opts=opts.SplitLineOpts(is_show=False)),
               yaxis_opts=opts.AxisOpts(
                   name='总价',
                   name_location='middle',# 设置坐标轴为数值类型
                   type_="value",# 默认为False表示起始为0
                   is_scale=True,
                   splitline_opts=opts.SplitLineOpts(is_show=False),),
               visualmap_opts=opts.VisualMapOpts(is_show=True, type_='color', min_=100, max_=1000)))

scatter.render_notebook()

各行政区均价

temp = data.groupby(['area'])['unit_price'].mean().reset_index()
data_pair =[(row['area'],round(row['unit_price']/10000,1))for _, row in temp.iterrows()]

map_ =(Map(init_opts=opts.InitOpts(theme='dark')).add("二手房均价", data_pair,'深圳', is_roam=False).set_series_opts(label_opts=opts.LabelOpts(is_show=True)).set_global_opts(
            title_opts=opts.TitleOpts(title="深圳各行政区二手房均价"),
            legend_opts=opts.LegendOpts(is_show=False),
            tooltip_opts=opts.TooltipOpts(formatter='{b}:{c}万元'),
            visualmap_opts=opts.VisualMapOpts(min_=3, max_=10)))

        
map_.render_notebook()

均价最高的10个地段

temp = data.groupby(['position'])['unit_price'].mean().reset_index()
data_pair =sorted([(row['position'],round(row['unit_price']/10000,1))for _, row in temp.iterrows()], key=lambda x: x[1], reverse=True)[:10]

bar =(Bar(init_opts=opts.InitOpts(theme='dark')).add_xaxis([x[0]for x in data_pair]).add_yaxis('二手房均价',[x[1]for x in data_pair]).set_series_opts(label_opts=opts.LabelOpts(is_show=True, font_style='italic'),
                            itemstyle_opts=opts.ItemStyleOpts(
                                color=JsCode("""new echarts.graphic.LinearGradient(0, 1, 0, 0, 
                                             [{
                                                 offset: 0,
                                                 color: 'rgb(0,206,209)'
                                             }, {
                                                 offset: 1,
                                                 color: 'rgb(218,165,32)'
                                             }])"""))).set_global_opts(
           title_opts=opts.TitleOpts(title="深圳二手房均价TOP 10地段"),
           legend_opts=opts.LegendOpts(is_show=False),
           tooltip_opts=opts.TooltipOpts(formatter='{b}:{c}万元')))

bar.render_notebook()

户型分布

temp = data.groupby(['hourseType'])['area'].count().reset_index()
data_pair =sorted([(row['hourseType'], row['area'])for _, row in temp.iterrows()], key=lambda x: x[1], reverse=True)[:10]

pie =(Pie(init_opts=opts.InitOpts(theme='dark')).add('', data_pair,
            radius=["30%","75%"],
            rosetype="radius").set_global_opts(title_opts=opts.TitleOpts(title="深圳二手房 户型分布"),
                       legend_opts=opts.LegendOpts(is_show=False),).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%")))

pie.render_notebook()

词云图

word_list =[]
stop_words =['花园','业主','出售']
string =str(''.join([i for i in data['title']ifisinstance(i,str)]))

words = psg.cut(string)for x in words:iflen(x.word)==1:passelif x.flag in('m','x'):passelif x.word in stop_words:passelse:
        word_list.append(x.word)
   
data_pair = collections.Counter(word_list).most_common(100)

wc =(WordCloud().add("", data_pair, word_size_range=[20,100], shape='triangle').set_global_opts(title_opts=opts.TitleOpts(title="房源描述词云图")))

wc.render_notebook()

4 最后