怎么運(yùn)用Python進(jìn)行數(shù)據(jù)分析房地產(chǎn)市場

這篇文章主要講解了“怎么運(yùn)用Python進(jìn)行數(shù)據(jù)分析房地產(chǎn)市場”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“怎么運(yùn)用Python進(jìn)行數(shù)據(jù)分析房地產(chǎn)市場”吧！

獲取土地數(shù)據(jù)

土地市場數(shù)據(jù)一般會公示在當(dāng)?shù)氐?strong>公共資源交易中心，但經(jīng)常會出現(xiàn)只公示當(dāng)周或當(dāng)月數(shù)據(jù)的情況，因此，我們可以去找專業(yè)的土地網(wǎng)站獲取交易數(shù)據(jù)。

本文以土流網(wǎng)為例，這個網(wǎng)站結(jié)構(gòu)簡單，簡單的url翻頁構(gòu)造，然后用xpath解析數(shù)據(jù)即可。限于篇幅，爬蟲代碼不做贅述，僅提供核心代碼。

def main():
    for page in range(1,46):   #這里設(shè)置頁數(shù)
        url = 'https://www.tudinet.com/market-213-0-0-0/list-o1ctime-pg{}.html'.format(page)
        print(url)
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36',
        }
        response = requests.request("GET", url, headers = headers)
        #print(response.status_code)
        if response.status_code == 200:
            re = response.content.decode('utf-8')
            print("正在提取第" + str(page) + "頁")
            time.sleep(random.uniform(1,2))
            print("-" * 80)
            # print(re)
            parse = etree.HTML(re)  #解析網(wǎng)頁
            items = parse.xpath('.//div[@class="land-l-cont"]/dl')
            parse_page(items)
            if len(items) < 10:  
                print('獲取完成')
                break


if __name__ == '__main__':
    time.sleep(random.uniform(1,2))
    main()

運(yùn)行爬蟲代碼，提取到廣州1238塊土地數(shù)據(jù)。以下為簡單清洗后部分?jǐn)?shù)據(jù)：

分析土地數(shù)據(jù)

土地成交狀態(tài)

近10年廣州土地招拍掛成交情況

2011年至2016年廣州市土地招拍掛成交土地較少，2016年成交規(guī)劃建筑面積僅為77.30萬㎡。2017年以后成交規(guī)模開始步入高潮，2018年成交規(guī)劃建筑面積達(dá)到1635.50萬㎡。

2019年以來廣州土地招拍掛成交面積（萬㎡）

近10年來廣州成交土地主要以工業(yè)用地、其他用地和住宅用地為主，工業(yè)用地占比高達(dá)41.19%，這也是廣州工業(yè)企業(yè)發(fā)達(dá)的重要動因。

土地成交區(qū)域

近10年廣州各區(qū)土地招拍掛成交面積（萬㎡）

從成交區(qū)域來看，南沙區(qū)和番禺區(qū)各年都有一定土地成交，越秀區(qū)和天河區(qū)成交土地較少。2020年以來，南沙區(qū)土地市場火熱，成交面積遠(yuǎn)高于廣州其他地區(qū)。

廣州房產(chǎn)市場分析

房產(chǎn)市場分析主要包括新房和二手房交易市場，由于一般的房產(chǎn)信息發(fā)布平臺二手房數(shù)量遠(yuǎn)大于新房，為盡可能獲取更大樣本數(shù)據(jù)，提高分析的準(zhǔn)確性，本文以廣州二手房成交數(shù)據(jù)進(jìn)行房產(chǎn)市場分析。

獲取二手房數(shù)據(jù)

本文通過Python獲取房天下公布的廣州二手房成交數(shù)據(jù)。房天下的爬蟲也較為簡單，爬蟲邏輯類似貝殼找房，唯一需要注意的是當(dāng)遍歷完一個子地區(qū)后跳轉(zhuǎn)下一個子地區(qū)的處理。以下給出核心代碼：

def main():
    #增城a080;番禺a(chǎn)078；南沙a084；花都a0639;白云a076；海珠a074;越秀a072；荔灣a071;天河a073;從化a079；黃埔a075
    district_list = ['a084', 'a078','a080', 'a0639','a076', 'a074','a072', 'a071','a073', 'a079','a075']  #地區(qū)
    for district in district_list:
        for page in range(1,101):   #這里設(shè)置頁數(shù)
            url = 'https://gz.esf.fang.com/chengjiao-{0}/i3{1}/'.format(district, page)
            print(url)
            headers = {
                'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36',
            }
            response = requests.request("GET", url, headers = headers)
            if response.status_code == 200:
                re = response.content.decode('utf-8')
                print("正在提取" + district +'第' + str(page) + "頁")
                time.sleep(random.uniform(1,2))
                print("-" * 80)
                # print(re)
                parse = etree.HTML(re)  # 解析網(wǎng)頁
                items = parse.xpath('.//div[@name="div_houselist"]/dl')
                parse_page(items)
                if len(items) < 30:  #遍歷完子地區(qū)后跳轉(zhuǎn)
                    print('獲取完成')
                    break

if __name__ == '__main__':
    time.sleep(random.uniform(1,2))
    main()

代碼運(yùn)行幾分鐘就提取下22170套廣州二手房數(shù)據(jù)，簡單清洗后部分?jǐn)?shù)據(jù)展示如下：

分析二手房數(shù)據(jù)

量價走勢

近5年廣州二手房量價走勢

2020年1月至6月，廣州二手房均價與2019年基本持平。從成交量來看，2月份受疫情影響僅成交70套二手房，3月份以來，疫情逐漸得到控制，房產(chǎn)市場向好，6月份成交二手房1337套。

房價分布

2020年上半年廣州各區(qū)二手房均價（元/㎡）

從樓盤成交來看，2020年1月至6月廣州二手房成交數(shù)量最多的樓盤為位于增城區(qū)的錦繡天倫花園，共計成交78套，成交均價為18565.40元/㎡。

相關(guān)性分析

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
import seaborn as sns
%matplotlib inline
sns.set_style('white')   #設(shè)置圖形背景樣式為白色
df = pd.read_excel("D:\data\地產(chǎn)數(shù)據(jù)分析\廣州二手房.xlsx")
df = df[['室','廳','面積(㎡)','層數(shù)','成交單價(元/㎡)']] #選擇需要的列
df.rename(columns={'室': 'room', '廳': 'hall', '面積(㎡)': 'area', '層數(shù)': 'floor', '成交單價(元/㎡)': 'price'}, inplace=True)
fig,axes=plt.subplots(1,2,figsize=(12,5))
sns.regplot(x= 'room',y='price',data=df,color='r',marker='+',ax=axes[0])
sns.regplot(x='hall',y='price',data=df,color='g',marker='*',ax=axes[1])

感謝各位的閱讀，以上就是“怎么運(yùn)用Python進(jìn)行數(shù)據(jù)分析房地產(chǎn)市場”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對怎么運(yùn)用Python進(jìn)行數(shù)據(jù)分析房地產(chǎn)市場這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！