Python采集3000条北京二手房数据，看我都分析出了啥？
前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
PS：如有需要Python学习资料的小伙伴可以点击下方链接自行获取
最近呢，对链家平台上的北京二手房数据做了个可视化分析，对目前北京的二手房交易情况有了个大致了解，最终得到一个很实在的结论：奋斗一辈子也买不到一个厕所这句话不是骗人的，是真的；关于具体分析内容请看下文
1、工具说明
本文用到的 Python 库有
外加百度地图 API
2、数据采集
所有数据来源于链家二手房交易平台，上面每页排列 30 条二手房数据，本文采集了前 100 页 数据，每条二手房交易数据中提取 标题、单价、价格、地址、年份、房间样式 等字段作为可视化分析的数据来源
网站没有设置很强的反爬机制， 爬取时用的是 requests + Cookies+ PyQuery 组合即可，最好在爬取时加条 time.sleep() 命令，隔几秒休眠一次，部分代码如下：
最终一共采集到 3000 条数据：
3、地址经纬度坐标转换
获取到的数据是地址是字符串形式(例如梵谷水郡*酒仙桥)，后面地图位置标记时需要经纬度数据，需要把所有地址转化为经纬度坐标，这里借助了百度地图 API 完成这步操作
1、百度地图 AK 申请
API 的使用需要在百度地图开放平台申请一个 AK 效验码，登录自己的百度账号，在控制台创建一个应用，
控制台面板-> 我的应用-> 创建应用
其他参数默认，应用名称自定义命名即可，IP 白名单填入 0.0.0.0/0，点击提交
以上步骤操作完之后，控制台面板会多出一个应用，就是刚刚我们建立的，
2、地址经纬度坐标转换
获取到你的 AK 参数之后，把 AK 和 address(中文地址) 作为参数传入下面函数中，就能获取到对应的经纬度坐标
def get_location(address,AK):
#根据地址转化为经纬度
try:
url = 'http://api.map.baidu.com/geocoding/v3/?address={}&output=json&ak={}&callback=showLocation'.format(address,AK)
res_test = requests.get(url).text
res = re.search('\((.*?)\)', res_test).group(0).strip('(').strip(')')
lng = json.loads(res)['result']['location']['lng']
lat = json.loads(res)['result']['location']['lat']
print(lng, lat)
return lng, lat
except Exception as e:
print('error ---------\n')
return None
百度地图 API 的 地址经纬度转换 功能 定位不仅仅局限于省、市，还能定位到门牌号，只要你提供的地址越详细，获取的经纬度信息越准确
4、可视化分析
这一部分进入可视化分析内容，城市毕竟是北京么所以首要的就是关注房价问题，在抓取的数据中，最高的将近19万+/每平方，最低的仅有 1.5 万/每平方
我看到 1.5 万每平方就不淡定了，这数据肯定有猫腻(北京房价按常理不可能这么低)；为了验证想法，首先做了房产地段标记
先看一下排名前十的：
上面是房价最高 Top10 的地段位置，看起来地理位置还行，都是在三环四环之内、分布在市中心附件，如果单看这张图的地图的话得不到有用的信息，可以对比一下 房价最低 Top10
下面是排名倒数前十的
上面北京二手房房价排名后十 地段分布，房价在 1.5万-3万 不等，没看到这个分布图之前仅仅认为上面价格是卖家标错了，看完这个图后才发现卖家是 挂着羊头卖狗肉，挂着北京的名号，卖着北京以外的房子(有的房子已经位于河北境内)，这可能就是卖房的套路之一吧
事出反常必有妖，无论买房还是买其他商品也好，卖家不会平白无故地给我们优惠，当价格远低于市场价之前交易需慎重、慎重、再慎重！
房价我分为 5 个区间，分别为 0-3万、3-8万、8-12万、12-15万，15万+ 五段，看一下各自的占比分布
其中房价位于 3-8万 占比最大达 76 %占比，次之就是8-12万、12-15万，依次占比为16.38%、3.46%，而房价位于 15 万 + 占比最少，仅有1.12% 左右；
接下来我们再看一下，不同价位二手房在北京的分布
15万+的
12-15万
8-12万
3-8万
从地段分布来看北京房价以8万作为分水岭，8万+和8万以内房产分布明显变化，价格越高，越靠市中心以外；从地图信息来看，想在北京买一套地段不错的房子，预期房价最低也要在8万+，8 万是什么概念，也就说如果你想在北京买一套50平米的房子，最低也要 400万！
关于15万+ 的房产，大致都分布两个区域，一个是高校区(周围是人大、北航、清华等高校)，另一个位于右下角，也就是北京朝阳区
北京卖的二手房不一定都是装修之后的，有可能也是毛坯(刚建造交付之后，未进行任何装修)；参考下图，北京二手房中毛坯占比约1.39%共41套，户主买来这些房子大概率用于资产增值而不是作为刚需；
借助 Treemap 图再看一下北京二手房建筑时间分布，大部分都集中于2002-2010 这 9 年，北京房产也是在这段期间迅速发展， 到 2015 年之后明显收缓，源于可建筑地段已经达到饱和再加上国家相关政策的施压
最后贴张词云图作为本文的结束，选取的文本信息为3000条房产信息的标题，从图中来看，标题中高频词汇有 南北通透、高楼层、精装修、采光好 等，也可以说这几个特点也是大多数房源的最大卖点(抛去价格、地段等因素)
5、小总结
本文针对北京二手房的分析角度并不全面，仅仅围绕着房价、地段、修建年份等几个维度做了简单分析，分析结果仅供学习，其数据真实性有考察
好了以上就是本文的全部内容，最后感谢大家的阅读
