基于Python的南京二手房數(shù)據(jù)采集及可視化分析

1 內(nèi)容簡介

首先通過爬蟲采集鏈家網(wǎng)上所有南京二手房的房源數(shù)據(jù)，并對采集到的數(shù)據(jù)進行清洗；然后，對清洗后的數(shù)據(jù)進行可視化分析，探索隱藏在大量數(shù)據(jù)背后的規(guī)律；最后，采用一個聚類算法對所有二手房數(shù)據(jù)進行聚類分析，并根據(jù)聚類分析的結(jié)果，將這些房源大致分類，以對所有數(shù)據(jù)的概括總結(jié)。通過上述分析，我們可以了解到目前市面上二手房各項基本特征及房源分布情況，幫助我們進行購房決策。

2 應用技術(shù)介紹

1)Python網(wǎng)絡(luò)爬蟲技術(shù)

Requests

Beautifulsoup

2)Python數(shù)據(jù)分析技術(shù)

Numpy

Matplotlib

Pandas

3)k-means聚類算法

4)高德地圖開發(fā)者應用JS API

3 數(shù)據(jù)采集及數(shù)據(jù)清洗

3.1 數(shù)據(jù)采集

該部分通過網(wǎng)絡(luò)爬蟲程序抓取鏈家網(wǎng)上所有南京二手房的數(shù)據(jù)，收集原始數(shù)據(jù)，作為整個數(shù)據(jù)分析的基石。

3.1.1 鏈家網(wǎng)網(wǎng)站結(jié)構(gòu)分析

鏈家網(wǎng)二手房主頁界面如圖1、圖2，主頁上面紅色方框位置顯示目前南京二手房在售房源的各區(qū)域位置名稱，中間紅色方框位置顯示了房源的總數(shù)量，下面紅色方框顯示了二手房房源信息縮略圖，該紅色方框區(qū)域包含了二手房房源頁面的URL地址標簽。圖2下面紅色方框顯示了二手房主頁上房源的頁數(shù)。

鏈家網(wǎng)二手房主頁截圖上半部分：

圖1 鏈家網(wǎng)二手房主頁

鏈家網(wǎng)二手房主頁截圖下半部分：

圖2 鏈家網(wǎng)二手房主頁

二手房房源信息頁面如圖3、圖4。我們需要采集的目標數(shù)據(jù)就在該頁面，包括基本信息、房屋屬性和交易屬性三大類。各類信息包括的數(shù)據(jù)項如下：

1)基本信息：小區(qū)名稱、所在區(qū)域、總價、單價。

2)房屋屬性：房屋戶型、所在樓層、建筑面積、戶型結(jié)構(gòu)、套內(nèi)面積、建筑類型、房屋朝向、建筑結(jié)構(gòu)、裝修情況、梯戶比例、配備電梯、產(chǎn)權(quán)年限。

3)交易屬性：掛牌時間、交易權(quán)屬、上次交易、房屋用途、房屋年限、產(chǎn)權(quán)所屬、抵押信息、房本備件。

圖3 二手房房源信息頁面

圖4 二手房房源信息頁面

3.1.3 網(wǎng)絡(luò)爬蟲程序關(guān)鍵問題說明

1)問題1：鏈家網(wǎng)二手房主頁最多只顯示100頁的房源數(shù)據(jù)，所以在收集二手房房源信息頁面URL地址時會收集不全，導致最后只能采集到部分數(shù)據(jù)。

解決措施：將所有南京二手房數(shù)據(jù)分區(qū)域地進行爬取，100頁最多能夠顯示3000套房，該區(qū)域房源少于3000套時可以直接爬取，如果該區(qū)域房源超過3000套可以再分成更小的區(qū)域。

2)問題2：爬蟲程序如果運行過快，會在采集到兩、三千條數(shù)據(jù)時觸發(fā)鏈家網(wǎng)的反爬蟲機制，所有的請求會被重定向到鏈家的人機鑒定頁面，從而會導致后面的爬取失敗。

解決措施：①為程序中每次http請求構(gòu)造header并且每次變換http請求header信息頭中USER_AGENTS數(shù)據(jù)項的值，讓請求信息看起來像是從不同瀏覽器發(fā)出的訪問請求。②爬蟲程序每處理完一次http請求和響應后，隨機睡眠1-3秒，每請求2500次后，程序睡眠20分鐘，控制程序的請求速度。

3.2 數(shù)據(jù)清洗

對于爬蟲程序采集得到的數(shù)據(jù)并不能直接分析，需要先去掉一些“臟”數(shù)據(jù)，修正一些錯誤數(shù)據(jù)，統(tǒng)一所有數(shù)據(jù)字段的格式，將這些零散的數(shù)據(jù)規(guī)整成統(tǒng)一的結(jié)構(gòu)化數(shù)據(jù)。

3.2.1 原始數(shù)據(jù)主要需要清洗的部分

主要需要清洗的數(shù)據(jù)部分如下：

1)將雜亂的記錄的數(shù)據(jù)項對齊

2)清洗一些數(shù)據(jù)項格式

3)缺失值處理

3.2.3 數(shù)據(jù)清洗結(jié)果

數(shù)據(jù)清洗前原始數(shù)據(jù)如圖8，清洗后的數(shù)據(jù)如圖9，可以看出清洗后數(shù)據(jù)已經(jīng)規(guī)整了許多。

圖8 清洗前原始數(shù)據(jù)截圖

圖9 清洗后的數(shù)據(jù)截圖

4 數(shù)據(jù)可視化分析

在數(shù)據(jù)清洗完成后，我們就可以開始對數(shù)據(jù)進行可視化分析。該階段主要是對數(shù)據(jù)做一個探索性分析并將結(jié)果可視化呈現(xiàn)，幫助人們更好、更直觀的認識數(shù)據(jù)，把隱藏在大量數(shù)據(jù)背后的信息集中和提煉出來。本文主要對二手房房源的總價、單價、面積、戶型、地區(qū)等屬性進行了分析。

數(shù)據(jù)可視化分析主要步驟如下：1)數(shù)據(jù)加載；2)數(shù)據(jù)轉(zhuǎn)換；3)數(shù)據(jù)可視化呈現(xiàn)。

4.1 數(shù)據(jù)加載

數(shù)據(jù)分析和建模的大量工作都是用在數(shù)據(jù)準備上的，如：清理、加載、轉(zhuǎn)換等。清洗完成后的數(shù)據(jù)仍然存儲在文本文件(CSV格式)中，要對數(shù)據(jù)進行可視化分析，必須先要將數(shù)據(jù)按一定結(jié)果加載到內(nèi)存中。我們使用Pandas提供的DataFrame對象來加載和處理我們清洗后的數(shù)據(jù)，Pandas同時提供將表格型數(shù)據(jù)讀取為DataFrame對象的函數(shù)。數(shù)據(jù)加載處理過程中需要注意的主要問題如下：

1)數(shù)據(jù)項的行列索引的處理；

2)數(shù)據(jù)類型推斷和數(shù)據(jù)轉(zhuǎn)換；

3)缺失值的處理。

4.2 數(shù)據(jù)整體質(zhì)量分析

4.2.1 數(shù)據(jù)基本情況

數(shù)據(jù)加載后，數(shù)據(jù)基本情況如圖10。從圖中可以看到加載后的數(shù)據(jù)一共20527行、25列，占用內(nèi)存3.9+MB。在數(shù)據(jù)類型上，一共有3列float64類型，2列int64類型，20列object類型。除了戶型結(jié)構(gòu)、套內(nèi)面積、抵押信息三列數(shù)據(jù)項缺失值比較多之外，其他列數(shù)據(jù)項的缺失值都不多，所以數(shù)據(jù)整體的質(zhì)量還不錯。

圖10 數(shù)據(jù)基本情況圖

4.2.2 整體數(shù)據(jù)文件詞云

從整體數(shù)據(jù)文件詞云(見圖11)，我們可以得到在南京二手房房源信息中經(jīng)常出現(xiàn)的高頻詞，如商品房、普通住宅、一梯兩戶、鋼混結(jié)構(gòu)、精裝等。我們可以通過這些高頻詞，十分粗略的了解整個數(shù)據(jù)文件中的基本內(nèi)容。

圖11 整體數(shù)據(jù)文件詞云

4.2.3 南京各區(qū)域二手房房源數(shù)量折線圖

南京各區(qū)域二手房房源數(shù)量折線圖(見圖13)橫軸為南京各個行政區(qū)域名稱，縱軸為房源數(shù)量(套)。從圖中可以看出，江寧在售的房源數(shù)量最多，高達5000多套，占了總量的1/4。與之相反的是六合區(qū)，六合區(qū)在售的房源數(shù)量僅有1套，數(shù)量太少，其他各區(qū)的數(shù)量相差不多。所以我們后面關(guān)于六合區(qū)的分析會存在一定誤差。

圖13 南京各區(qū)域二手房房源數(shù)量折線圖

4.2.4 南京二手房房屋用途水平柱狀圖

南京二手房房屋用途水平柱狀圖(見圖14)橫軸為房源數(shù)量(套)，縱軸為房屋用途類型。從圖中我們可以看出，房屋用途類型有：普通住宅、別墅、商業(yè)辦公、酒店式公寓、車庫5中類型。其中我們主要關(guān)心的普通住宅類型的房源數(shù)量近20000套，占總量絕大部分。所以在本文中，我們沒有剔除掉房屋用途為其他類型的記錄，因為這些類型在所有房源樣本中占比相當少，不會影響后面的分析結(jié)果，同時它們也屬于二手房的范疇內(nèi)。

圖14 南京二手房房屋用途水平柱狀圖

4.2.5 數(shù)據(jù)整體質(zhì)量總結(jié)

通過前面的分析，我們可以看出該數(shù)據(jù)文件的整體質(zhì)量還不錯。雖然存在一些缺失值比較多的數(shù)據(jù)項，但我們比較關(guān)注一些數(shù)據(jù)項缺失值不多。這些缺失值較多的都是一些次要的數(shù)據(jù)項，不影響我們的分析。在房屋用途類型上，數(shù)據(jù)文件中一共包括了5種類型的二手房房源信息，其中普通住宅類型占比98%以上，所以我們后面分析基本可以看成是針對普通住宅類型的二手房進行的分析，這也符合我們期望。整個數(shù)據(jù)文件中唯一不足的是六合區(qū)域的二手房房源樣本點太少，這使我們對六合區(qū)域的分析會存在一定的誤差。

4.3 南京二手房基本信息可視化分析

二手房基本信息可視化分析主要針對二手房：區(qū)域、總價、單價、建筑面積四個屬性的分析。

4.3.1 南京各區(qū)域二手房平均單價柱狀圖

南京各區(qū)域二手房平均單價柱狀圖(見圖15)橫軸為南京各區(qū)域名稱，縱軸為單價(元/平米)。從圖中我們可以看到建鄴區(qū)和鼓樓區(qū)二手房平均單價最高，近40000元/平米。建鄴區(qū)是市中心城區(qū)，近幾年發(fā)展勢頭很好，房價一路飆升，現(xiàn)在已經(jīng)成了南京最貴的區(qū)域之一。鼓樓區(qū)作為南京市的核心地帶，擁有眾多商場和學區(qū)房，其均價一直高升不下。從整體上來看，南京市各個區(qū)域(除去存在誤差的六合區(qū))均價都已經(jīng)超過了20000元/平米。這些可以體現(xiàn)出近幾年南京市房價猛漲的結(jié)果。浦口區(qū)雖然相比房價已經(jīng)很低了，但相較于浦口前幾年的房價，差不多是翻了一番。

圖15 南京各區(qū)域二手房平均單價

4.3.2 南京各區(qū)域二手房單價和總價箱線圖

南京各區(qū)域二手房單價箱線圖(見圖16)橫軸為南京各區(qū)域名稱，縱軸為單價(元/平米)。二手房平均單價雖然是一個重要參考數(shù)據(jù)，但平均值不能有效的表示出數(shù)據(jù)整體上的分布情況，特別是數(shù)據(jù)中一些離散值的分布情況，這些信息的表現(xiàn)則需要借助箱線圖。從圖16中可以看出，建鄴和鼓樓兩個區(qū)域房源單價正常值分布都不是太集中，50%的單價分布在30000-50000的區(qū)間內(nèi)，區(qū)間跨度比其他區(qū)都要大。雖然建鄴區(qū)平均單價略高于鼓樓區(qū)，但鼓樓區(qū)的異常值特別多，單價超過50000的房源數(shù)不勝數(shù)，最高單價有達到100000的，單價上限遠高于建鄴區(qū)，而建鄴區(qū)異常值相對較少。綜合以上情況來看，鼓樓區(qū)應該是南京市單價最高的區(qū)域。與鼓樓區(qū)相鄰的玄武區(qū)和秦淮區(qū)單價正常值分布較為集中50%的數(shù)據(jù)都分布在30000-40000之間，但這兩個異常值也比較多，單價上限也非常高。這些區(qū)域單價如此多的異常值，跟這些區(qū)域集中的教育和醫(yī)療資源有著密不可分的關(guān)系。

圖16 南京各區(qū)域二手房單價箱線圖

南京各區(qū)域二手房總價箱線圖(見圖17和圖18)橫軸為南京各區(qū)域名稱，縱軸為單價(萬元)。圖18對圖17縱軸進行了縮放，更易于觀察，其他方面沒有區(qū)別。從總價這個維度來看，鼓樓、建鄴這兩個單價最高區(qū)域，總價非常的高，500萬元的二手房以分布在正常值范圍內(nèi)了。南京其他各區(qū)域二手房價格大部分都集中在200-400萬元之間，下四分位數(shù)十分靠近200萬。江寧、棲霞雖然在單價不高，但總價不低，尤其是近幾年房價漲幅比較高的江寧，500萬以上異常值都已經(jīng)比較多了。浦口區(qū)總價數(shù)據(jù)分布最為集中，絕大部分數(shù)據(jù)都200-300萬區(qū)間內(nèi)。

圖17 南京各區(qū)域二手房總價箱線圖

圖18 南京各區(qū)域二手房總價箱線圖

4.3.3 南京二手房單價最高Top20

南京二手房單價最高Top20水平柱狀圖(見圖19)橫軸為單價(元/平米)，縱軸為小區(qū)名字。從圖中可以看出，單價前20的房源都已經(jīng)超過9萬，并且都集中在鼓樓區(qū)，這也印證了上面箱線圖中鼓樓區(qū)如此多異常值的存在。

圖19 南京二手房單價最高Top20

4.3.4 南京二手房單價和總價熱力圖

南京二手房單價熱力圖(見圖20)和南京二手房總價熱力圖(見圖21)紅色區(qū)域代表房源密集度高且房價高的區(qū)域。從圖中可以看出鼓樓、玄武、秦淮、建鄴上半部分是密集度最高的區(qū)域。這4個區(qū)域處于南京市正中心的位置，交通方便，醫(yī)療、教育等資源集中，這些因素一起造就了這些區(qū)域高價格。

圖20 南京二手房單價熱力圖

圖21 南京二手房總價熱力圖

4.3.5 南京二手房總價小于200萬的分布圖

南京二手房總價小于200萬的房源一共有6000多套，分布圖見圖23。從圖中我們可以看出，除了鼓樓區(qū)和建鄴區(qū)比較少，其他區(qū)域低于200萬的房子還是有的。

圖23 南京二手房總價小于200萬的分布圖

4.3.6 南京二手房建筑面積分析

南京二手房建筑面積分布區(qū)間圖(圖24)橫軸為房源數(shù)量(套)，縱軸為分布區(qū)間(平米)。從圖中可以看出在建筑面積50-100區(qū)間內(nèi)房源數(shù)量最多，超過了10000套。其次是100-150區(qū)間與小于50的區(qū)間。

圖24 南京二手房建筑面積分布區(qū)間柱狀圖

南京各區(qū)域平均建筑面積柱狀圖(圖25)橫軸為各區(qū)域名字，縱軸為建筑面積(平米)。從圖中可以看出玄武、秦淮、鼓樓這幾個單價比較高的老城區(qū)平均建筑面積最小，平均面積80平米左右。反而是江寧、浦口這兩個單價最低的區(qū)域平均建筑面積最大，平均面積大小超過了100平米。

圖25 南京各區(qū)域二手房平均建筑面積柱狀圖

4.3.7 南京二手房單價、總價與建筑面積散點圖

南京二手房總價與建筑面積散點圖(圖26)橫軸為建筑面積(平米)，縱軸為總價(萬元)。從圖中可以看出，總價與建筑面積這兩個變量符合正相關(guān)關(guān)系。數(shù)據(jù)點分布比較集中，大多數(shù)都在總價0-1500萬元與建筑面積0-400平米這個區(qū)域內(nèi)。

圖26 南京二手房總價與建筑面積散點圖

南京二手房單價與建筑面積散點圖(圖27)橫軸為建筑面積(平米)，縱軸為單價(元/平米)。從圖中可以看出建筑面積與單價并無明顯關(guān)系，同樣樣本點分布也較為集中，離散值不多，但單價特別高的房源，建筑面積都不是太大，可能因為這些房源一般都位于市中心。

圖27 南京二手房單價與建筑面積散點圖

4.4 南京二手房房屋屬性可視化分析

4.4.1 南京二手房房屋戶型占比情況

從南京二手房房屋戶型餅狀圖(圖28)中可以看出，2室1廳與2室2廳作為標準配置，一共占比接近一半。其中3室2廳和3室1廳的房源也占比不少，其他房屋戶型的房源占比就比較少了。

圖28 南京二手房房屋戶型餅狀圖

4.4.2 南京二手房房屋裝修情況

從南京二手房房屋裝修情況餅狀圖(圖29)可以看出，近60%的房源的房屋裝修情況都是其他，可能因為房源全部為二手房的緣故，大家都自主裝修過的。

圖29 南京二手房裝修情況餅狀圖

4.4.3 南京二手房房屋朝向分布情況

南京二手房房屋朝向柱狀圖(圖30)橫軸為房屋朝向，縱軸為房源數(shù)量(套)。從圖中我們可以看出，只有少數(shù)幾種的朝向比較多，其余的都非常少，明顯屬于長尾分布類型(嚴重偏態(tài))。這也符合我們的認識，房屋朝向一半以上都是坐北朝南的。

圖30 南京二手房房屋朝向分布柱狀圖

4.4.4 南京二手房建筑類型占比情況

從南京二手房建筑類型餅狀圖(圖31)中，我們可以看出房源的建筑類型65.6%都是板樓，現(xiàn)在房地產(chǎn)商喜歡開發(fā)的塔樓反而較少，這和南京二手房建筑時間都比較久遠相符。

圖31 南京二手房建筑類型餅狀圖

5 數(shù)據(jù)聚類分析

該階段采用聚類算法中的k-means算法對所有二手房數(shù)據(jù)進行聚類分析，根據(jù)聚類的結(jié)果和經(jīng)驗，將這些房源大致分類，已達到對數(shù)據(jù)概括總結(jié)的目的。在聚類過程中，我們選擇了面積、總價和單價這三個數(shù)值型變量作為樣本點的聚類屬性。

5.1 k-means算法原理

5.1.1 基本原理

k-Means算法是一種使用最普遍的聚類算法，它是一種無監(jiān)督學習算法，目的是將相似的對象歸到同一個簇中。簇內(nèi)的對象越相似，聚類的效果就越好。該算法不適合處理離散型屬性，但對于連續(xù)型屬性具有較好的聚類效果。

5.1.2 聚類效果判定標準

使各個樣本點與所在簇的質(zhì)心的誤差平方和達到最小，這是評價k-means算法最后聚類效果的評價標準。

5.1.3 算法實現(xiàn)步驟

1)選定k值

2)創(chuàng)建k個點作為k個簇的起始質(zhì)心。

3)分別計算剩下的元素到k個簇的質(zhì)心的距離，將這些元素分別劃歸到距離最小的簇。

4)根據(jù)聚類結(jié)果，重新計算k個簇各自的新的質(zhì)心，即取簇中全部元素各自維度下的算術(shù)平均值。

5)將全部元素按照新的質(zhì)心重新聚類。

6)重復第5步，直到聚類結(jié)果不再變化。

7)最后，輸出聚類結(jié)果。

5.1.4 算法缺點

雖然K-Means算法原理簡單，但是有自身的缺陷：

1)聚類的簇數(shù)k值需在聚類前給出，但在很多時候中k值的選定是十分難以估計的，很多情況我們聚類前并不清楚給出的數(shù)據(jù)集應當分成多少類才最恰當。

2)k-means需要人為地確定初始質(zhì)心，不一樣的初始質(zhì)心可能會得出差別很大的聚類結(jié)果，無法保證k-means算法收斂于全局最優(yōu)解。

3)對離群點敏感。

4)結(jié)果不穩(wěn)定(受輸入順序影響)。

5)時間復雜度高O(nkt)，其中n是對象總數(shù)，k是簇數(shù)，t是迭代次數(shù)。

5.2 算法實現(xiàn)關(guān)鍵問題說明

5.2.1 K值的選定說明

根據(jù)聚類原則：組內(nèi)差距要小，組間差距要大。我們先算出不同k值下各個SSE(Sum of

squared

errors)值，然后繪制出折線圖(圖32)來比較，從中選定最優(yōu)解。從圖中，我們可以看出k值到達5以后，SSE變化趨于平緩，所以我們選定5作為k值。

圖32 不同k值下SSE值折線圖

5.2.2 初始的K個質(zhì)心選定說明

初始的k個質(zhì)心選定是采用的隨機法。從各列數(shù)值最大值和最小值中間按正太分布隨機選取k個質(zhì)心。5.2.3

關(guān)于離群點

離群點就是遠離整體的，非常異常、非常特殊的數(shù)據(jù)點。因為k-means算法對離群點十分敏感，所以在聚類之前應該將這些“極大”、“極小”之類的離群數(shù)據(jù)都去掉，否則會對于聚類的結(jié)果有影響。離群點的判定標準是根據(jù)前面數(shù)據(jù)可視化分析過程的散點圖和箱線圖進行判定。根據(jù)散點圖和箱線圖，需要去除離散值的范圍如下：

1)單價：基本都在100000以內(nèi)，沒有特別的異常值。

2)總價：基本都集中在3000以內(nèi)，這里我們需要去除3000外的異常值。

3)建筑面積：基本都集中在500以內(nèi)，這里我們需要去除500外的異常值。

5.2.4 數(shù)據(jù)的標準化

因為總價的單位為萬元，單價的單位為元/平米，建筑面積的單位為平米，所以數(shù)據(jù)點計算出歐幾里德距離的單位是沒有意義的。同時，總價都是3000以內(nèi)的數(shù)，建筑面積都是500以內(nèi)的數(shù)，但單價基本都是20000以上的數(shù)，在計算距離時單價起到的作用就比總價大，總價和單價的作用都遠大于建筑面積，這樣聚類出來的結(jié)果是有問題的。這樣的情況下，我們需要將數(shù)據(jù)標準化，即將數(shù)據(jù)按比例縮放，使之都落入一個特定區(qū)間內(nèi)。去除數(shù)據(jù)的單位限制，將其轉(zhuǎn)化為無量綱的純數(shù)值，便于不同單位或量級的指標能夠進行計算和比較。

我們將單價、總價和面積都映射到500，因為面積本身就都在500以內(nèi)，不要特別處理。單價在計算距離時，需要先乘以映射比例0.005，總價需要乘以映射比例0.16。進行數(shù)據(jù)標準化前和進行數(shù)據(jù)標準化后的聚類效果對比如下：圖32、圖33是沒有數(shù)據(jù)標準化前的聚類效果散點圖；圖34、圖35是數(shù)據(jù)標準化后的聚類效果散點圖。

數(shù)據(jù)標準化前的單價與建筑面積聚類效果散點圖：

圖32 數(shù)據(jù)標準化前的單價與建筑面積散點圖

數(shù)據(jù)標準化前總價與建筑面積聚類效果散點圖。

圖33 數(shù)據(jù)標準化前總價與建筑面積散點圖

數(shù)據(jù)標準化后單價與建筑面積聚類效果散點圖。

圖34 數(shù)據(jù)標準化后單價與建筑面積散點圖

數(shù)據(jù)標準化后總價與建筑面積聚類效果散點圖。

圖35 數(shù)據(jù)標準化后總價與建筑面積散點圖

5.3 聚類結(jié)果分析

聚類結(jié)果如下

1)聚類結(jié)果統(tǒng)計信息如下：

2)聚類后的單價與建筑面積散點圖和總價與建筑面積散點圖見圖34、圖35。

3)聚類結(jié)果分組0、1、2、3、4的區(qū)域分布圖分別如下：圖36、圖37、圖38、圖39、圖40。

聚類結(jié)果分組0的區(qū)域分布圖如下：

圖36 聚類結(jié)果0區(qū)域分布圖

聚類結(jié)果分組1的區(qū)域分布圖如下：

圖37 聚類結(jié)果1區(qū)域分布圖

聚類結(jié)果分組2的區(qū)域分布圖如下：

圖38 聚類結(jié)果2區(qū)域分布圖

聚類結(jié)果分組3的區(qū)域分布圖如下：

圖39 聚類結(jié)果3區(qū)域分布圖

聚類結(jié)果分組4的區(qū)域分布圖如下：

圖40 聚類結(jié)果4區(qū)域分布圖

根據(jù)以上聚類結(jié)果和我們的經(jīng)驗分析，我們大致可以將這20000多套房源分為以下4類：

a、大戶型(面積大，總價高)，屬于第0類。平均面積都在200平以上，這種大戶型的房源相對數(shù)量較少，主要分布在鼓樓、建鄴、江寧、棲霞等地(具體可從各類中的區(qū)域分布圖可知)。

b、地段型(單價高)，屬于第2、4類。這種房源圍繞南京市中心位置集中分布，地理位置極好，交通方便，主要分布鼓樓、玄武、建鄴、建鄴等地(具體可從各類中的區(qū)域分布圖可知)。

c、大眾蝸居型(面積小、價格相對較低、房源多)，屬于第3類。這類房源分布范圍廣，主要圍繞在各地鐵線兩邊。典型的區(qū)域有秦淮、鼓樓、江寧、玄武、浦口等地。

d、高性價比型(面積相對大，單價低)，屬于第1類。典型的區(qū)域有棲霞、浦口、江寧等地。

總結(jié)

以上是生活随笔為你收集整理的python计算商品总价_GitHub - ideaOzy/data_analysis: 基于Python的南京二手房数据采集及可视化分析...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。