基于大数据的房价数据可视化分析预测系统

温馨提示：文末有 CSDN 平台官方提供的博主 Wechat / QQ 名片 :)

    房地产是促进我国经济持续增长的基础性、主导性产业，二手房市场是我国房地产市场不可或缺的组成部分。由于二手房的特殊性，目前市场上实时监测二手房市场房价涨幅的情况较少，影响二手房价的因素错综复杂，价格并非呈传统的线性变化。

    本项目利用Python实现某一城市二手房相关信息的爬取，并对爬取的原始数据进行数据清洗，存储到数据库中，通过 flask 搭建后台，分析影响二手房房价的各类因素，并构建递归决策树模型，实现房价预测建模。

基于大数据的房价数据可视化分析预测系统

2. 二手房数据

    二手房信息爬取流程为，先获取该市所有在售楼盘，以**保定市**为例，其中，p1 表示分页的页码，因此可以构造循环，抓取所有分页下的楼盘数据。

base_url = 'https://baoding.xxxx.com/community/p{}/'

all_xqlb_links = set()
for page in range(1, 51):
    url = base_url.format(page)
    # 获取 html 页码，并进行dom解析
    # ...

通过分析 html 页面的 Dom 结构，利用 Bootstrap 进行解析，获取楼盘的详细字段信息。

同理，获取楼盘下所有在售房源信息：

def get_house_info(house_link):
    """获取房屋的信息"""
    headers = {
        'accept': '*/*',
        'accept-encoding': 'gzip, deflate, br',
        'accept-language': 'zh-CN,zh;q=0.9,en;q=0.8',
        'cookie': 'Your cookie',
        'referer': house_link,
        'sec-fetch-dest': 'empty',
        'sec-fetch-mode': 'cors',
        'sec-fetch-site': 'same-origin',
        'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.116 Safari/537.36'
    }

    response = requests.get(house_link, headers=headers)
    response.encoding = 'utf8'
    soup = BeautifulSoup(response.text, 'lxml')
    
    house_info = {
        '链接': house_link,
         '产权性质': '未知',
         '房屋类型': '未知',
         '产权年限': '未知',
         '房本年限': '未知',
        '唯一住房': '未知',
         '参考首付': '未知',
         '发布时间': '未知',
         '总价': '',
         '单价': '',
         '房屋户型': '未知',
         '所在楼层': '未知',
         '建筑面积': '',
         '装修程度': '未知',
         '房屋朝向': '未知',
         '建造年代': '未知',
        '配套电梯': '无',
        '所属小区': '未知',
        '所在位置': '未知'
    }
    
    tbody = soup.select('tbody.houseInfo-main')[0]
    tds = tbody.select('td')
    for td in tds:
        datas = td.text.split(' ')
        if '产权性质' in datas[0]:
            house_info['产权性质'] = datas[0].replace('产权性质', '')
        if '产权年限' in datas[0]:
            house_info['产权年限'] = datas[0].replace('产权年限', '')
        if '发布时间' in datas[0]:
            house_info['发布时间'] = datas[0].replace('发布时间', '')
        if '唯一住房' in datas[0]:
            house_info['唯一住房'] = datas[0].replace('唯一住房', '')
        if '房屋类型' in datas[0]:
            house_info['房屋类型'] = datas[0].replace('房屋类型', '')
        if '房本年限' in datas[0]:
            house_info['房本年限'] = datas[0].replace('房本年限', '')
        if '参考预算' in datas[0]:
            yusuan = datas[0].replace('参考预算', '')
            house_info['参考首付'] = yusuan[2:].split('，')[0]
    
    total_price = soup.select('span.maininfo-price-num')[0]
    total_price = total_price.text.strip()
    house_info['总价'] = total_price
    
    avgprice = soup.select('div.maininfo-avgprice-price')[0]
    avgprice = avgprice.text.strip()
    house_info['单价'] = avgprice
    
    huxing = soup.select('div.maininfo-model-item.maininfo-model-item-1')[0]
    huxing = huxing.text.strip()
    
    house_info['房屋户型'] = huxing.split(' ')[0]
    house_info['所在楼层'] = huxing.split(' ')[1]
    
    daxiao = soup.select('div.maininfo-model-item.maininfo-model-item-2')[0]
    daxiao = daxiao.text.strip()
    house_info['建筑面积'] = daxiao.split('  ')[0]
    house_info['装修程度'] = daxiao.split('  ')[1]
    
    chaoxiang = soup.select('div.maininfo-model-item.maininfo-model-item-3')[0]
    chaoxiang = chaoxiang.text.strip()
    house_info['房屋朝向'] = chaoxiang.split(' ')[0]
    house_info['建造年代'] = chaoxiang.split(' ')[1].split('/')[0][:-2]
    
    bar = soup.select('div.crumbs.crumbs-middle')[0]
    xiaoqu = bar.select('a.anchor.anchor-weak')[-1]
    house_info['所属小区'] = xiaoqu.text.strip()
    
    tags = soup.select('div.maininfo-tags')[0].text
    if '电梯' in tags:
        house_info['配套电梯'] = '有'
    
    # 所属区域
    for line in soup.select('div.maininfo-community-item'):
        text = line.text.strip()
        if '所属区域' in text:
            house_info['所在位置'] = text.split(' ')[1].split('\xa0')[0]
            
    return house_info

3. 二手房数据清洗与存储

抓取的原始数据可能存在数据异常、缺失等情况，需要进行数据清洗和数据类型转换等预处理操作。清洗后的数据存储到 mysql 或 sqlite 等关系型数据库中。

for house_info in all_house_infos:
    for key in all_keys:
        if key not in house_info:
            house_info[key] = '暂无'
    
    if isinstance(house_info['单价'], float):
        continue
        
    house_info['单价'] = float(house_info['单价'][:-3].strip())
    house_info['总价'] = float(house_info['总价'].strip())
    
    house_info['建筑面积'] = float(house_info['建筑面积'][:-1].strip())
    house_info['参考首付'] = float(house_info['参考首付'][:-1].strip())
    
    tmp = list(map(int, re.findall(r'(\d+)', house_info['房屋户型'])))
    house_info['房屋户型_室数'] = tmp[0]
    house_info['房屋户型_厅数'] = tmp[1]
    house_info['房屋户型_卫数'] = tmp[2]
    del house_info['房屋户型']
    
    if '(' not in house_info['所在楼层']:
        house_info['所在楼层'] = '底层({})'.format(house_info['所在楼层'])
    
    house_info['总楼层'] = list(map(int, re.findall(r'(\d+)', house_info['所在楼层'])))[0]
    house_info['所在楼层'] = house_info['所在楼层'][:2]

4. 二手房价可视化分析预测系统

系统采用 flask 搭建 web 后台，利用 pandas 等工具包实现对当前城市二手房现状、二手房价格影响因素等进行统计分析，并利用 bootstrap + echarts 进行前端渲染可视化。系统通过构建机器学习模型（决策树、随机森林、神经网络等模型），对二手房价格进行预测。

4.1 系统首页/注册登录

4.2 小区楼盘名称关键词抽取与词云展示

4.3 二手房房屋类型与产权年限分布

4.4 不同区域在售二手房房源数量与均价对比

4.5 房价影响因素分析

房价影响因素包括：建造年代、建筑面积、房屋户型、朝向、房屋类型、楼层、装修程度、配套电梯、房本年限、产权性质、唯一住房、所在区域、周边设施等等诸多因素。我们对每类因素的影响情况分别进行可视化展示：

4.6 基于机器学习模型的二手房价格预测

通过一些列的特征工程、数据标准化、训练集验证集构造、决策树模型构建等操作，完成决策树模型的交叉验证训练和模型评估：

print('---> cv train to choose best_num_boost_round')
dtrain = xgb.DMatrix(train_X, label=train_Y, feature_names=df_columns)

xgb_params = {
    'learning_rate': 0.005,
    'n_estimators': 4000,
    'max_depth': 3,
    'min_child_weight': 1.5,
    'eval_metric': 'rmse',
    'objective': 'reg:linear',
    'nthread': -1,
    'silent': 1,
    'booster': 'gbtree'
}

cv_result = xgb.cv(dict(xgb_params),
                   dtrain,
                   num_boost_round=4000,
                   early_stopping_rounds=100,
                   verbose_eval=400,
                   show_stdv=False,
                   )
best_num_boost_rounds = len(cv_result)
mean_train_logloss = cv_result.loc[best_num_boost_rounds-11 : best_num_boost_rounds-1, 'train-rmse-mean'].mean()
mean_test_logloss = cv_result.loc[best_num_boost_rounds-11 : best_num_boost_rounds-1, 'test-rmse-mean'].mean()
print('best_num_boost_rounds = {}'.format(best_num_boost_rounds))

print('mean_train_rmse = {:.7f} , mean_valid_rmse = {:.7f}\n'.format(mean_train_logloss, mean_test_logloss))

模型训练结果：

---> cv train to choose best_num_boost_round
[0]    train-rmse:4.10205    test-rmse:4.10205
[400]    train-rmse:0.59919    test-rmse:0.605451
[800]    train-rmse:0.20857    test-rmse:0.230669
[1200]    train-rmse:0.185981    test-rmse:0.21354
[1600]    train-rmse:0.181188    test-rmse:0.211841
[2000]    train-rmse:0.177933    test-rmse:0.211291
[2400]    train-rmse:0.174346    test-rmse:0.210886
best_num_boost_rounds = 2512
mean_train_rmse = 0.1733781 , mean_valid_rmse = 0.2108875

测试集预测结果与真实值分布情况：

print('决策树模型在验证集上的均方误差 RMSE 为：', rmse(valid_Y, predict_valid))

>> 决策树模型在验证集上的均方误差 RMSE 为： 0.19991482173207226

二手房价格预测模型交互式页面：

5. 总结

    本项目利用Python实现某城市二手房相关信息的爬取，并对爬取的原始数据进行数据清洗，存储到数据库中，通过 flask 搭建后台，分析影响二手房房价的各类因素，并构建递归决策树模型，实现房价预测建模。

欢迎大家点赞、收藏、关注、评论啦，由于篇幅有限，只展示了部分核心代码。

技术交流认准下方 CSDN 官方提供的学长 Wechat / QQ 名片 :)

精彩专栏推荐订阅：

1. Python 毕设精品实战案例
2. 自然语言处理 NLP 精品实战案例
3. 计算机视觉 CV 精品实战案例

标签：爬虫 python 数据分析

本文转载自: https://blog.csdn.net/andrew_extra/article/details/124598186
版权归原作者 Python极客之家 所有，如有侵权，请联系我们删除。

基于大数据的房价数据可视化分析预测系统

2. 二手房数据

3. 二手房数据清洗与存储

4. 二手房价可视化分析预测系统

4.1 系统首页/注册登录

4.2 小区楼盘名称关键词抽取与词云展示

4.3 二手房房屋类型与产权年限分布

4.4 不同区域在售二手房房源数量与均价对比

4.5 房价影响因素分析

4.6 基于机器学习模型的二手房价格预测

5. 总结

发表评论

“基于大数据的房价数据可视化分析预测系统”的评论:

关于作者

overfit同步小助手

相关阅读

文章导航