阿里天池：Airbnb短租數據集分析

• 1.項目介紹
• 2.字段介紹
• 3.分析目的和思路
• 4.模塊導入與數據讀取
• 5.探索性分析
• • （一）整體分析
  • （二）按區域劃分
  • （三）按房型劃分

1.項目介紹

數據來源：https://tianchi.aliyun.com/competition/entrance/231715/information
Python版本：3.7.1
Pycharm版本：社區版2019.2
共享，通過讓渡閑置資源的使用權，在有限增加邊際成本的前提下，提高了資源利用效率。隨著信息的透明化，越來越多的共享發生在陌生人之間。短租，共享空間的一種模式，不論是否體驗過入住陌生人的家中，你都可以從短租的數據里挖掘有趣的信息。

2.字段介紹

（一）listings表：數據為短租房源基礎信息，包括房源、房東、位置、類型、價格、評論數量和可租時間等等，具體如下。

屬性名含義

id	房間編號
name	房間名稱
host_id	房東編號
host_name	房東名稱
neighbourhood_group	所屬區域組
neighbourhood	行政區劃
latitude	緯度
longitude	經度
room_type	房間類型（整套、獨立房間、床位）
minimum_nights	最少住幾晚
price	價格
number_of_reviews	評論數
last_review	上一次評論
reviews_per_month	平均每月評論數
calculated_host_listings_count	房間數
availability_36	一年內可租用天數

（二）reviews表：數據為短租房源的評論信息，僅包括房源 listing_id和評論日期。

屬性名含義

listing_id	被評論的短租房
date	評論日期

3.分析目的和思路

（一）目的：基于Airbnb 2019 年 4 月 17 日公開的北京地區數據，進行行政區劃和短租房類型的維度拆分，對短租房供給、需求等進行探索性分析。
（二）思路：

4.模塊導入與數據讀取

（一）模塊導入

import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from pyecharts.charts import Geo from pyecharts import options as opts from pyecharts.charts import Bar from pyecharts.charts import Line from pyecharts.globals import ChartType from matplotlib.pyplot import MultipleLocator

（二）數據讀取

plt.rc('font', family='SimHei', size='12') io = 'D:/PythonProject/(天池)短租數據集分析/數據集-匯總版/listings.csv' # 數據導入 data = pd.read_csv(io) listings_df = pd.DataFrame(data)

（三）DataFrame相關信息查看

print('記錄行數為：{}'.format(len(listings_df))) print(listings_df.count()) # 統計每一行的非NA單元數 # rint(listings_df.info()) # 列dtype # print(listings_df.describe()) # 計算部分統計數據

如下圖，發現有不少記錄缺失某些字段的值。

如下圖，發現neighbourhood列數據不統一。

因此，對DataFrame做如下一些調整。

# 由于neighbourhood_group的值全部一樣且都是空值，將此刪除 listings_df.drop('neighbourhood_group', axis=1) # 保留neighbourhood'/'前的數據 listings_df['neighbourhood'] = listings_df['neighbourhood'].str.split('/').str[0]

5.探索性分析

（一）整體分析

1.1、價格分布

listings_df['price'].hist(bins=50, rwidth=0.98, alpha=0.8) plt.show()

如下圖，發現短租房的價格大部分在6000元以下。

進一步，限定價格區間。

listings_df_2000 = listings_df.loc[listings_df['price'] < 2000] listings_df_2000['price'].hist(bins=20, rwidth=0.98, alpha=0.8) my_x_ticks = np.arange(0, 2000, 100) plt.xticks(my_x_ticks) plt.show()

發現大部分房屋價格在100到700之間。因為Airbnb本來的品牌理念就是實現空閑房屋的共享使用，大部分提供的房屋都是普通型，價格過高的不會太多。

1.2、地理位置分布
繪制地圖的話，可以使用pyecharts庫。

# 數據預處理 listings_i_p = pd.DataFrame(listings_df, columns=['id', 'price']) print(listings_i_p.head()) data_pair = [] for i in range(len(listings_df)):data_pair.append((listings_i_p.iloc[i][0], int(listings_i_p.iloc[i][1])))def get_geo():city = '北京'geo = Geo()geo.add_schema(maptype=city, itemstyle_opts=opts.ItemStyleOpts(color="#eeeeee", border_color="#111"))# add_coordinate(點名稱,經度,緯度) 在地圖上新增坐標點for i in range(len(data_pair)):geo.add_coordinate(listings_df['id'][i], listings_df['longitude'][i], listings_df['latitude'][i])# geo.add()展示坐標點。type_=GeoType.EFFECT_SCATTER 散點圖, ChartType.HEATMAP 熱力圖 symbol="pin" 點形狀geo.add('', data_pair, type_=ChartType.EFFECT_SCATTER, symbol_size=4)geo.set_series_opts(label_opts=opts.LabelOpts(is_show=False))# 數據分段pieces = [{'max': 100, 'label': '100以下', 'color': '#00008B'},{'min': 101, 'max': 300, 'label': '100-200', 'color': '#87CEEB'},{'min': 301, 'max': 500, 'label': '201-300', 'color': '#9370DB'},{'min': 501, 'max': 700, 'label': '301-400', 'color': '#D8BFD8'},{'min': 701, 'max': 900, 'label': '401-500', 'color': '#EE82EE'},{'min': 901, 'max': 1100, 'label': '501-600', 'color': '#FF00FF'},{'min': 1101, 'label': '價格1101以上', 'color': '#FF0000'}]# 設置全局配置項geo.set_global_opts(visualmap_opts=opts.VisualMapOpts(is_piecewise=True, pieces=pieces),title_opts=opts.TitleOpts(title="北京各區域短租房分布圖"))return geo beijing_geo = get_geo() # 在瀏覽器中渲染圖表 beijing_geo.render('北京各個區域短租房分布圖.html')

如下地理位置圖所示， 中心地區點的密集程度相對較大，所供給的房子較多，且價格集中在500以下。其中，以100-400元的居多。 昌平區，懷柔區，延慶縣等非中心片區高價房源占比較多，平價房源比較稀少。

（二）按區域劃分

# 各個區域各有多少房源信息 neighbourhood_count = listings_df['neighbourhood'].value_counts() # 每種room_type有多少, 共三種房間類型：Entire home/apt, Private room, Shared room room_type_count = listings_df['room_type'].value_counts()

2.1、各區域短租房的數量

listings_df_n_c = listings_df.groupby(['neighbourhood'])['id'].count() # 各區域短租房的數量柱形圖 bar1 = Bar() # 增加x軸數據 bar1.add_xaxis(listings_df_n_c.index.tolist()) # 增加y軸數據 bar1.add_yaxis('', listings_df_n_c.values.tolist()) # 全局配置設置 bar1.set_global_opts(title_opts=opts.TitleOpts(title="北京各區域短租房的數量分布"),yaxis_opts=opts.AxisOpts(name="數量"),xaxis_opts=opts.AxisOpts(name="區域", axislabel_opts=opts.LabelOpts(font_size=10, interval=0)),visualmap_opts=opts.VisualMapOpts(is_show=True, type_="color",max_=max(listings_df_n_c.values.tolist()), pos_left='-20')) # 系列配置設置 bar1.set_series_opts(markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="max"),opts.MarkPointItem(name="min", type_="min")]),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(name="average", type_="average")]) # 均值線) bar1.render('bar1.html')

效果如下

2.2、各區域短租房數量占比

neighbourhood_label = neighbourhood_count.index neighbourhood_c_max = neighbourhood_count.idxmax() explode = {} for i in neighbourhood_label:if i in neighbourhood_c_max:explode[i] = 0.03else:explode[i] = 0 plt.figure(figsize=(8, 10), dpi=120) # 繪制餅圖 plt.pie(neighbourhood_count, labels=neighbourhood_label, explode=explode.values(), autopct='%.2f%%', startangle=90,counterclock=False, colors=sns.color_palette('hls', n_colors=16)) plt.title('短租房分布區域占比圖') plt.show()

占比排名前三的朝陽、東城、海淀區的房源合計約占整體的60%，其中，朝陽區占了總房源數的37%。

2.3、各區域的短租房的均價

listings_df_n_m = round(listings_df.groupby(['neighbourhood'])['price'].mean(), 2) bar2 = Bar() bar2.add_xaxis(listings_df_n_m.index.tolist()) bar2.add_yaxis('', listings_df_n_m.values.tolist()) bar2.set_global_opts(title_opts=opts.TitleOpts(title="北京各區域短租房的均價"),yaxis_opts=opts.AxisOpts(name="均價"),xaxis_opts=opts.AxisOpts(name="區域", axislabel_opts=opts.LabelOpts(font_size=10, interval=0)),visualmap_opts=opts.VisualMapOpts(is_show=True, type_="color",max_=max(listings_df_n_m.values.tolist()),pos_left='-20')) bar2.set_series_opts(markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="max"),opts.MarkPointItem(name="min", type_="min")]),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(name="average", type_="average")])) bar2.render('bar2.html')

如下圖所示，均價排名前5的懷柔、延慶、昌平、平谷和密云區，均價在整體水平760.35以上，且這幾個區域均分布于北京的偏北部，不算是中心市區。其中，懷柔區的短租房均價約平均水平的2倍。另外，價格最便宜的是豐臺區，地理上處于北京的中心地帶。這也大致上驗證了1.2中的結論。

2.4 / 2.5 各區域各類型短租房的數量/均價
這里在區域維度下，再進行不同房型的劃分。

listings_df_nr_c = listings_df.groupby(['neighbourhood', 'room_type']).agg({'id': 'size'}) listings_df_nr_m = listings_df.groupby(['neighbourhood', 'room_type']).agg({'price': np.mean}) listings_df_nr_c_r = listings_df_nr_c.unstack() listings_df_nr_m_r = listings_df_nr_m.unstack() # 2.4 各區域各類型短租房的數量 plt.subplot(211) plt.plot(listings_df_nr_c_r) plt.legend(loc='best', labels=['Entire home/apt', 'Private room', 'Shared room']) plt.title('各區域各類型短租房的數量') # 2.5 各區域各類型短租房的均價 plt.subplot(212) plt.plot(listings_df_nr_m_r) plt.legend(loc='best', labels=['Entire home/apt', 'Private room', 'Shared room']) plt.title('各區域各類型短租房的均價') plt.tight_layout() plt.show()

如下圖所示，整體上來說，在數量上，整租房>獨享房>床位房。而在均價方面，差異則較大，其中，朝陽區的三種房型都是最多的，但是價格卻是相對低廉。根絕圖2.2，懷柔區（非中心區域）中房子的數量排整體的第九，但是整租房、獨享房和床位房的均價都位列前茅。

（三）按房型劃分

3.1 各類型的短租房數量占比

room_type_label = room_type_count.index plt.figure(figsize=(8, 10), dpi=120) plt.pie(room_type_count, labels=room_type_label, explode=[0.03, 0.03, 0.03], autopct='%.2f%%', startangle=90,counterclock=False, colors=sns.color_palette('hls', n_colors=16)) plt.title('短租房類型占比圖') plt.show()

如下圖所示，整租房數量最多，約占整體60%；而床位房僅約占整體6%左右。看得出，Airbnb在房源供給上，更傾向于提供中高質量的整租房，而非相對廉價的床位房。

3.2 可租用天數
以20天作為一個區間間隔進行統計。
這里room_type_a_y的數據是另外進行統計的，就不在此贅述了。

# 將可租用的天數劃分為如下24個區間。若用value_counts(bin=24)的話，可能顯示存在負數和小數 room_type_a_x = ['[0, 25)', '[25, 50)', '[50, 75)', '[75, 100)', '[100, 125)','[125, 150)', '[150, 175)', '[175, 200)', '[200, 225)', '[225, 250)','[250, 275)', '[275, 300)', '[300, 325)', '[325, 350)', '[350, 365]'] room_type_a_y = [[1498, 366, 731, 2254, 387, 257, 1018, 1424, 80, 137, 219, 240, 328, 1051, 6965],[1458, 300, 382, 1654, 92, 150, 474, 937, 34, 90, 209, 143, 161, 437, 3317],[237, 36, 32, 248, 11, 8, 50, 174, 1, 10, 23, 4, 14, 50, 761] ] # 繪制堆疊圖 room_type_a_bar = pyec.Bar() room_type_a_bar.add_xaxis(room_type_a_x) room_type_a_bar.add_yaxis('Entire home/apt', room_type_a_y[0], stack='stack1') room_type_a_bar.add_yaxis('Private room', room_type_a_y[1], stack='stack1') room_type_a_bar.add_yaxis('Shared room', room_type_a_y[2], stack='stack1') room_type_a_bar.set_series_opts(label_opts=opts.LabelOpts(is_show=False),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(name="average", type_="average")])) room_type_a_bar.set_global_opts(title_opts=opts.TitleOpts(title='可租用天數', pos_left='right'),yaxis_opts=opts.AxisOpts(name="短租房數量"),xaxis_opts=opts.AxisOpts(name="租房天數", axislabel_opts=opts.LabelOpts(font_size=10, interval=0))) room_type_a_bar.render('room_type_a_bar.html')

如下圖，整體上來看，接近全年可租用的房子數量是最多的，第二多的是[75，100)天這個區間，第三多的是一個月以下的。且無論在哪個區間，整租房占的數量都是最多的，最少的是床位房。看得出來，無論是面對有短期旅途而租房或者有較長期逗留而租房的客戶，airbnb主打的還是整租房共享。

3.3 房源熱度分析（評論數）
1）月評論量的時間序列
這里使用了reviews.csv的數據。

io2 = 'D:/PythonProject/(天池)短租數據集分析/數據集-匯總版/reviews.csv' reviews_df = pd.DataFrame(pd.read_csv(io2)) reviews_df['date'] = pd.to_datetime(reviews_df['date']) # 僅關注年月 reviews_df['date'] = reviews_df['date'].values.astype('datetime64[M]') reviews_df_ym_r = reviews_df.groupby('date').count() # 截取2016年之后的數據 reviews_df_ym_r_subset = reviews_df_ym_r['2016-01':] ax3 = reviews_df_ym_r_subset.plot(marker='o', alpha=0.8, label='評論數') plt.grid(linestyle='-.') plt.xlabel("時間") plt.ylabel("評論數") plt.show()

發現，月評論總數整體上呈現逐年上升的趨勢，但是在每年1~2月有下降的趨勢（由于春節原因？）。對于整體的上升，會不會是由于使用Airbnb的用戶越來越多？或者是Airbnb采用某些運營方式驅動用戶進行評論？

2）分區域查看評論熱度
基于北京各個區域短租房的月評論數，使用了箱型圖和分布散點圖進行可視化。

listings_df_n_rpm = listings_df[['neighbourhood', 'reviews_per_month']] # 繪圖 fig1 = plt.figure(figsize=(10, 10)) ax = sns.stripplot(x='neighbourhood', y='reviews_per_month', data=listings_df_n_rpm, jitter=0.1,palette=sns.color_palette("plasma_r", n_colors=16), alpha=0.3, size=6) sns.boxplot(x="neighbourhood", y="reviews_per_month", data=listings_df_n_rpm,whis=np.inf, palette="Set3", width=0.5) y_major_locator = MultipleLocator(1.5) ax.yaxis.set_major_locator(y_major_locator) plt.xlabel('區域', fontsize=10) plt.ylabel('月評論數', fontsize=10) plt.show()

各個區域短租房的月評論數的中位數基本在[0.5，1.5]的范圍內，如果用戶是在租完房后才評論，評論數高能否說明租房次數高？在朝陽區、東城區、豐臺區和豐城區這些在市中心的房子中，有的月評論次數在20次左右，該區域房子數量多，價格相對便宜，可能是由于出租次數多或者用戶較活躍，后續我們可以對這些房子有針對性地分析，看看有什么指的借鑒的地方。

同理，可以基于房型的維度，查看月評論數。中位數方面，三者較為接近。但是極大值方面，整租房>獨享房>床位房。

2）評論內容分析
對中文評論的詞頻進行統計，我的這篇博客有較詳細的介紹，這里就不贅述了。

傳送門：https://blog.csdn.net/lam_yx/article/details/107790023.

效果如下，發現 “干凈”、“整潔”、“方便”、“熱情”等詞語出現頻率居高。

另外，可以對中文評論內容進行情感分析，情感傾向值取值范圍在[0, 1]，越接近1表示正面情緒；越接近0表示負面情緒。
在我的這篇博客有較詳細的介紹，這里就不贅述了：

傳送門: https://blog.csdn.net/lam_yx/article/details/107847264 .

后續待完善

總結

以上是生活随笔為你收集整理的阿里天池：Airbnb短租房数据集分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。