本案例將租房網(wǎng)站上的杭州地區(qū)的租房數(shù)據(jù)作為參考，運用所學到的數(shù)據(jù)分析知識來分析真實數(shù)據(jù)，并以圖表的形式得到以下指標：

統(tǒng)計每個區(qū)域的房源總數(shù)量。

使用條形圖分析哪種戶型數(shù)量最多、更受歡迎。

統(tǒng)計每個區(qū)域的平均租金，并結(jié)合柱狀圖和拆線圖分析各區(qū)域的房源數(shù)量和租金情況。

統(tǒng)計面積區(qū)間的市場占有率，并使用餅圖繪制各區(qū)間所占的比例。

一 、數(shù)據(jù)來源

目前有很多的網(wǎng)絡租房平臺，如鏈家、房天下、安居客、貝殼等等，通過八爪魚采集器，共爬取到貝殼網(wǎng)上列出的租房信息18828條（去重后），采集信息包括所屬區(qū)域、面積、朝向、戶型、價格。
將采集到的數(shù)據(jù)保存為 csv 格式（貝殼杭州總租房信息.csv），采集結(jié)束時間為2020年3月10日。

二、數(shù)據(jù)讀取

（本文章所有代碼均在 Anaconda下運行）
數(shù)據(jù)準備好后，使用Pandas讀取保存在本地的CSV數(shù)據(jù)，并將其轉(zhuǎn)換成DataFrame對象展示，方便后續(xù)操作這些數(shù)據(jù)。

import pandas as pd import numpy as np#讀取鏈家杭州租房信息 file_path=open('C:/Users/AQQWVFBUKN/Desktop/貝殼杭州總租房信息.csv','r', encoding='UTF-8') file_data=pd.read_csv(file_path) file_data

三、數(shù)據(jù)預處理

盡管采集到的數(shù)據(jù)大部分是比較完整的，但或多或或少還會存在一些問題，不能直接用于數(shù)據(jù)分析。因此 ， 在進行數(shù)據(jù)分析前需要進行一系列的檢測與處理，包括重復值和缺失值的處理、統(tǒng)計數(shù)據(jù)類型等，以保證數(shù)據(jù)具有更多的完整性。

3.1 重復值和空值的處理

（由于已經(jīng)在excel表格中對數(shù)據(jù)的重復值和缺失值進行了處理，所以以下的處理會看到數(shù)據(jù)的總數(shù)不變）
查看數(shù)據(jù)中是否存在重復值，可以通過Pandas中的duplicated() 方法完成 ，只要有重復的數(shù)據(jù)就會映射為True ，具體代碼如下

# 重復值檢測 file_data.duplicated()0 False 1 False 2 False 3 False 4 False... 18823 False 18824 False 18825 False 18826 False 18827 False Length: 18828, dtype: bool

這里對于重復數(shù)據(jù)的處理是將其刪除，接下來使用 drop_duplicates() 方法直接刪除重復數(shù)據(jù)，具體代碼如下

# 刪除重復數(shù)據(jù)，并對file_data 重新賦值 file_data=file_data.drop_duplicates() file_data地區(qū) 面積 朝向 戶型 價格 0 上城 18 南 7室2廳 1800 1 上城 18 南 4室1廳 1860 2 上城 18 北 5室1廳 2000 3 上城 11 南 2室1廳 2230 4 上城 15 南 3室1廳 1800 ... ... ... ... ... ... 18823 余杭 116 南 3室2廳 2500 18824 余杭 101 南北 3室1廳 2500 18825 余杭 119 南 4室2廳 2000 18826 余杭 126 南 3室2廳 2000 18827 余杭 15 南 4室1廳 1530 18828 rows × 5 columns

對數(shù)據(jù)的重復值處理完成后，便開始檢測缺失值，這里可以使用 dropna() 方法檢測缺失值并將檢測到的缺失數(shù)據(jù)刪除。

# 刪除缺失數(shù)據(jù)，并對file_data 重新賦值 file_data=file_data.dropna() file_data地區(qū) 面積 朝向 戶型 價格 0 上城 18 南 7室2廳 1800 1 上城 18 南 4室1廳 1860 2 上城 18 北 5室1廳 2000 3 上城 11 南 2室1廳 2230 4 上城 15 南 3室1廳 1800 ... ... ... ... ... ... 18823 余杭 116 南 3室2廳 2500 18824 余杭 101 南北 3室1廳 2500 18825 余杭 119 南 4室2廳 2000 18826 余杭 126 南 3室2廳 2000 18827 余杭 15 南 4室1廳 1530 18828 rows × 5 columns

3.2 數(shù)據(jù)類型轉(zhuǎn)換

在這套租房數(shù)據(jù)中，“價格” 一列的數(shù)據(jù)中含有中文字符和回車符，說明這一列的數(shù)據(jù)都是字符串類型的。為了方便后面對價格數(shù)據(jù)進行數(shù)學運算，需要將 “價格” 一列的數(shù)據(jù)類型轉(zhuǎn)換為數(shù)字類型，具體代碼如下

list1=[] for i in file_data['價格'].values:list1.append("".join(filter(str.isdigit, i))) # 去除掉字符串中的非數(shù)字字符 numbers = [ int(x) for x in list1 ]# 字符串類型轉(zhuǎn)換成 int 類型 # 用新的數(shù)據(jù)替換 file_data.loc[:,'價格']=numbers file_data地區(qū) 面積 朝向 戶型 價格 0 上城 18 南 7室2廳 1800 1 上城 18 南 4室1廳 1860 2 上城 18 北 5室1廳 2000 3 上城 11 南 2室1廳 2230 4 上城 15 南 3室1廳 1800 ... ... ... ... ... ... 18823 余杭 116 南 3室2廳 2500 18824 余杭 101 南北 3室1廳 2500 18825 余杭 119 南 4室2廳 2000 18826 余杭 126 南 3室2廳 2000 18827 余杭 15 南 4室1廳 1530 18828 rows × 5 columns

四、圖表分析

數(shù)據(jù)經(jīng)過預處理之后便可以用它來進行分析了，為了更加直觀地看到數(shù)據(jù)的變化，這里采用圖表的方式進行輔助分析。

4.1、房源數(shù)量分析

為了統(tǒng)計杭州各個區(qū)域的房源數(shù)量，這里只需要展示 ”地區(qū)” 與 “數(shù)量” 兩列的數(shù)據(jù)即可。因此先創(chuàng)建一個DataFrame 對象，然后將各個區(qū)域計算的總房源數(shù)量作為該對象的數(shù)據(jù)進行展示，具體代碼如下

# 創(chuàng)建一個dataframe 對象，該對象只有兩列數(shù)據(jù) ：區(qū)域和數(shù)量 new_df=pd.DataFrame({'地區(qū)':file_data['地區(qū)'].unique(),'數(shù)量':[0]*len(file_data['地區(qū)'].unique())}) new_df地區(qū) 數(shù)量 0 上城 0 1 濱江 0 2 蕭山 0 3 富陽 0 4 臨安 0 5 錢塘新區(qū) 0 6 西湖 0 7 下城 0 8 拱墅 0 9 江干 0 10 余杭 0

接下來通過 Pandas的groupby() 方法將 file_data 對象按照 “地區(qū)” 一列進行分組，并用 count() 方法統(tǒng)計每個分組的數(shù)量

# 按”區(qū)域“列將file_data分組，并統(tǒng)計每個分組的數(shù)量 groupy_area=file_data.groupby(by='地區(qū)').count() new_df['數(shù)量']=groupy_area.values new_df地區(qū) 數(shù)量 0 上城 1618 1 濱江 2405 2 蕭山 466 3 富陽 1992 4 臨安 481 5 錢塘新區(qū) 2324 6 西湖 2224 7 下城 679 8 拱墅 2210 9 江干 2381 10 余杭 2048

通過 sort_values() 方法對 new_df 對象進行排序，并按照從大到小的順序進行排列，具體代碼如下

# 按“數(shù)量”一列從大到小排列 new_df.sort_values(by=['數(shù)量'],ascending=False)地區(qū) 數(shù)量 1 濱江 2405 9 江干 2381 5 錢塘新區(qū) 2324 6 西湖 2224 8 拱墅 2210 10 余杭 2048 3 富陽 1992 0 上城 1618 7 下城 679 4 臨安 481 2 蕭山 466

通過輸出的排序結(jié)果可以看出，杭州租房房源數(shù)據(jù)位于前三的地區(qū)分別是濱江區(qū)、江干區(qū)、錢塘新區(qū)。

4.2、戶型數(shù)量分析

接下來我們分析下戶型，統(tǒng)計出租房市場中哪種戶型的房源數(shù)量比較多，并篩選出數(shù)量大于50的戶型。
首先，定義一個函數(shù)來計算各種戶型的數(shù)量。

# 定義函數(shù)，用來計算各戶型數(shù)量 def all_house(arr):arr=np.array(arr)key=np.unique(arr)result={}for k in key:mask=(arr==k)arr_new=arr[mask]v=arr_new.sizeresult[k]=vreturn result # 獲取戶型數(shù)據(jù) house_array=file_data['戶型'] house_info=all_house(house_array) house_info{'1室0廳': 1087,'1室1廳': 2920,'1室2廳': 81,'1室4廳': 1,'2室0廳': 133,'2室1廳': 3506,'2室2廳': 1269,'2室3廳': 1,'3室0廳': 75,'3室1廳': 2701,'3室2廳': 2324,'3室3廳': 6,'4室0廳': 129,'4室1廳': 2561,'4室2廳': 710,'4室3廳': 7,'5室0廳': 118,'5室1廳': 1016,'5室2廳': 118,'5室3廳': 26,'5室4廳': 1,'5室5廳': 1,'6室0廳': 2,'6室1廳': 3,'6室2廳': 14,'6室3廳': 4,'6室4廳': 3,'7室0廳': 1,'7室1廳': 1,'7室2廳': 2,'7室3廳': 2,'8室1廳': 1,'8室2廳': 3,'9室2廳': 1}

程序輸出了一個字典，其中，字典的鍵表示戶型的各類，值表示該戶型的數(shù)量。
現(xiàn)在使用字典推導式將戶型數(shù)量大于50的戶型篩選出來，并將篩選后的結(jié)果轉(zhuǎn)換成DataFrame 對象，具體代碼如下

# 使用字典推導式 house_type=dict((key,value) for key,value in house_info.items() if value>50) show_houses=pd.DataFrame({'戶型':[x for x in house_type.keys()],'數(shù)量':[x for x in house_type.values()]}) show_houses戶型 數(shù)量 0 1室0廳 1087 1 1室1廳 2920 2 1室2廳 81 3 2室0廳 133 4 2室1廳 3506 5 2室2廳 1269 6 3室0廳 75 7 3室1廳 2701 8 3室2廳 2324 9 4室0廳 129 10 4室1廳 2561 11 4室2廳 710 12 5室0廳 118 13 5室1廳 1016 14 5室2廳 118

為了能夠更加直觀地看到戶型數(shù)量間的差異，可以使用條形圖進行展示。

import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams['font.sans-serif']=['SimHei'] matplotlib.rcParams['axes.unicode_minus']=False house_type=show_houses['戶型'] house_type_num=show_houses['數(shù)量'] plt.barh(range(15),house_type_num,height=0.7,color='steelblue',alpha=0.8) plt.yticks(range(15),house_type) plt.xlim(0,3800) plt.xlabel('數(shù)量') plt.ylabel('戶型種類') plt.title('杭州地區(qū)各戶型房屋數(shù)量') for x,y in enumerate(house_type_num):plt.text(y+0.2,x-0.1,'%s'%y) plt.show()

可以清晰地看出，整個租房市場中戶型數(shù)量較多分別為 “2室1廳”、“1室1廳”、“3室1廳”。“2室1廳”戶型的房屋是整個租房市場中數(shù)量最多的。

4.3、平均租金分析

為了進一步剖析房屋的情況，接下來分析各地區(qū)目前的平均租金情況。計算各地區(qū)房租的平均價格與計算各地區(qū)的戶型數(shù)量的方法差不多，具體代碼如下：

# 創(chuàng)建一個dataframe 對象， df_all=pd.DataFrame({'地區(qū)':file_data['地區(qū)'].unique(),'房租總金額':[0]*len(file_data['地區(qū)'].unique()),'總面積':[0]*len(file_data['地區(qū)'].unique())}) df_all地區(qū) 房租總金額 總面積 0 上城 0 0 1 濱江 0 0 2 蕭山 0 0 3 富陽 0 0 4 臨安 0 0 5 錢塘新區(qū) 0 0 6 西湖 0 0 7 下城 0 0 8 拱墅 0 0 9 江干 0 0 10 余杭 0 0

按照 ”地區(qū)“ 一列進行分組，然后調(diào)用sum() 方法分別對價格和面積執(zhí)行求和運算

# 求總金額和總面積 sum_price=file_data['價格'].groupby(file_data['地區(qū)']).sum() sum_area=file_data['面積'].groupby(file_data['地區(qū)']).sum() df_all['房租總金額']=sum_price.values df_all['總面積']=sum_area.values df_all地區(qū) 房租總金額 總面積 0 上城 8721856 187774 1 濱江 10100330 139402 2 蕭山 1110950 51465 3 富陽 3559163 126435 4 臨安 1241946 47447 5 錢塘新區(qū) 9233878 142617 6 西湖 9054939 136073 7 下城 2483328 30072 8 拱墅 6522415 138026 9 江干 8185825 134994 10 余杭 6827318 146827

計算出各地區(qū)房租總金額和總面積之后，便可以對每平方米的租金進行計算。在 df_all 對的基礎(chǔ)上增加一列 ”每平方米租金“，數(shù)據(jù)為求得的每平方米的平均價格。

# 計算各區(qū)域每平方米房租價格，并保留兩位小數(shù) df_all['每平方米租金']=round(df_all['房租總金額']/df_all['總面積'],2) df_all地區(qū) 房租總金額 總面積 每平方米租金 0 上城 8721856 187774 46.45 1 濱江 10100330 139402 72.45 2 蕭山 1110950 51465 21.59 3 富陽 3559163 126435 28.15 4 臨安 1241946 47447 26.18 5 錢塘新區(qū) 9233878 142617 64.75 6 西湖 9054939 136073 66.54 7 下城 2483328 30072 82.58 8 拱墅 6522415 138026 47.25 9 江干 8185825 134994 60.64 10 余杭 6827318 146827 46.50

為了更加全面地了解到各個區(qū)域的租房數(shù)量和平均租金，這里將之前創(chuàng)建 的 new_df對象（各地區(qū)房源數(shù)量）與 df_all 對象進行合并，通過 merge() 函數(shù)來實現(xiàn)。

# 合并new_df與df_all df_merge=pd.merge(new_df,df_all) df_merge地區(qū) 數(shù)量 房租總金額 總面積 每平方米租金 0 上城 1618 8721856 187774 46.45 1 濱江 2405 10100330 139402 72.45 2 蕭山 466 1110950 51465 21.59 3 富陽 1992 3559163 126435 28.15 4 臨安 481 1241946 47447 26.18 5 錢塘新區(qū) 2324 9233878 142617 64.75 6 西湖 2224 9054939 136073 66.54 7 下城 679 2483328 30072 82.58 8 拱墅 2210 6522415 138026 47.25 9 江干 2381 8185825 134994 60.64 10 余杭 2048 6827318 146827 46.50

數(shù)據(jù)合并完成后，借用圖表來展示各地區(qū)的房屋信息，房源數(shù)量可以用柱狀圖表示，每平方米租金可以用拆線圖來表示，具體代碼如下

import matplotlib.ticker as mtick from matplotlib.font_manager import FontProperties num=df_merge['數(shù)量'] price=df_merge['每平方米租金'] l =[i for i in range(11)] plt.rcParams['font.sans-serif']=['SimHei'] lx=df_merge['地區(qū)'] fig=plt.figure() ax1=fig.add_subplot(111) ax1.plot(l,price,'or-',label='價格') for i,(_x,_y) in enumerate(zip(l,price)):plt.text(_x,_y,price[i],color='black',fontsize=10) ax1.set_ylim([0,200]) ax1.set_ylabel("價格") plt.legend(prop={'family':'SimHei','size':8},loc='upper left')ax2=ax1.twinx() plt.bar(l,num,alpha=0.3,color='red',label='數(shù)量') ax2.set_ylabel('數(shù)量') ax2.set_ylim([0,2800]) plt.legend(prop={'family':'SimHei','size':8},loc='upper right') plt.xticks(l,lx) plt.show()

從圖中可以看出，濱江區(qū)、下城區(qū)、江干區(qū)、拱墅區(qū)的房租價格相對較高，這主要是因為濱江區(qū)、拱墅區(qū)和下城區(qū)聚集了大量的新興互聯(lián)網(wǎng)公司，而江干區(qū)又是學區(qū)房火熱的地帶，這里包含了幾十所高校，俗稱大學城，因此這四個區(qū)域的房租相對其他區(qū)域較高。

4.4、面積區(qū)間分析

下面將房屋的面積數(shù)據(jù)按照一定的規(guī)則劃分為多個區(qū)間，看看這面積 區(qū)間的占比情況，便于分析要租房市場中哪種房屋類型更好出租，哪個面積區(qū)間的租房人數(shù)最多。
首先使用max() 和 min() 方法計算出面積的最大值和最小值，

# 查看房屋的最大面積和最小面積 print("房屋最大面積是 %d 平方米"%(file_data['面積'].max())) print("房屋最小面積是 %d 平方米"%(file_data['面積'].min()))# 查看房租的最高價和最低價 print("房租最高價為每月 %d 元"%(file_data['價格'].max())) print("房租最低價為每月 %d 元"%(file_data['價格'].min()))房屋最大面積是 44185 平方米 房屋最小面積是 5 平方米 房租最高價為每月 66000 元 房租最低價為每月 500 元

使用Pandas中的 cut() 方法將房屋面積劃分為5個區(qū)間，然后使用 describe() 方法顯示各個區(qū)間出現(xiàn)的次數(shù)（counts）和頻率（freqs）具體代碼如下

# 面積劃分 area_divide=[0,30,60,100,150] area_cut=pd.cut(list(file_data['面積']),area_divide) area_cut_data=area_cut.describe() area_cut_datacounts freqs categories (0.0, 30.0] 5330 0.283089 (30.0, 60.0] 5373 0.285373 (60.0, 100.0] 5149 0.273476 (100.0, 150.0] 2420 0.128532 NaN 556 0.029530

接著，使用餅圖來展示 各面積區(qū)間的分布情況

import numpy as np area_percentage=(area_cut_data['freqs'].values)*100 #保留兩位小數(shù) np.set_printoptions(precision=2) labels=['30平方米以下','30-60平方米','60-100平方米','100-150平方米','150平方米以上'] # 設置圖片大小 plt.figure(figsize = (6,7)) plt.axes(aspect=1) plt.pie(x=area_percentage,labels=labels,autopct='%.2f %%',#shadow=True,labeldistance=1.2,startangle=90,pctdistance=0.8)#plt.legend(loc='upper right') plt.show()

從圖中可以看出，市場占有率前三的分別是30~60平方米、30平方米以下、60 ~100平方米。總體來看，租客主要以100平方米以下的房屋為租住對象，其中30 ~60平方米的房屋更受歡迎。

小結(jié)

本文章運用所學的知識，開發(fā)了一個相對比較完整的數(shù)據(jù)分析項目，旨在通過本次的學習，能夠更加熟練地掌握的數(shù)據(jù)分析工具的使用，讓自己所學知識有個輸出。

總結(jié)

以上是生活随笔為你收集整理的Python数据分析实战——杭州租房数据统计分析的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。