房产数据预处理与分析

当今时代,房价问题一直处于风口浪尖,房价的上涨抑或下跌都牵动着整个社会的利 益,即便是政府出台各种政策方针也只能是暂时抑制楼市的涨势,对于需要买房的人来 说,除了关注这些变化和政策外,还有一个非常头疼

当今时代,房价问题一直处于风口浪尖,房价的上涨抑或下跌都牵动着整个社会的利益,即便 是政府出台各种政策方针也只能是暂时抑制楼市的涨势,对于需要买房的人来说,除了关注这些变 化和政策外,还有一个非常头疼的问题,在哪里买房,房价怎样。 普通客户会不停花大量精力逛链家、安居客等房地产网站,借助他们展示的内容进行筛选,但 因地区众多,各个地段、房价差异的对比以及入手时机的把握,都得一个个去查阅与分析,非常麻烦。 如果可以通过数据的爬取,再按照用户希望的维度统计与分析,会让数据变得清晰明了。本案例旨 在对房产数据进行预处理与分析,为刚需购房者提供有用信息。 一、数据源 本案例利用某爬虫软件爬取某房产网站中苏州地区的房产数据,数据文件为如图 house.xlsx, 所示。 6-* 开 始 播入页面布局公式敢据 审阅视图 A 剪切 剧修 岸 却信 各自动换行 常规 Calibri-9•A a . 条件格式套用 单元格样 插 删除格式 a 清除,排序和筛选查找和选择 二q复 B/U • 一,> • 孙%, xio -SSS 近 =r 强合并后居中 表格格 式 入 -oo 嗖 式 制, 样式 华兀格 例 正贴板 字体 对 -方式 数字 /mew 开 •A 皆无数据 K24 ।j F A G H B C D E 物业类型 总建面积 建造年代 ,容积率,趋户数 小区名称 :地址 」均价 」环比上月 物业费 1 2 1 • 工业网双湖向川路,近川波街 别靠 方州桃花源 3.14% 。 2 128590m 2014" 0.6351P 46073k/m 6.31/iAiVH , 公汽住宅 2014 年 2.34447 户 新港大城 -K1 吴汀-南部新城板路号 3 1000000m' 18211XC/m 4*0.21% 195VJJ 2 625194m J0.96% 1.9/c/nV/J 公於住宅 若无数据 2.41796 户 球地江南华 120809/m , 吴江-郑老找两部新震冲山南路五城元 4 , 样 10793W 26478/c/m J1.23% 公寓住宅 2015 年 1.23054 户 笈地太混城 ZL- ; 太湖索城—东太湖人这 5 2 8899 号 20936/L/m T1.71% 公寓住宅 2010 年 1.554193 户 断创理想城 500000m , 819\ ; •• 高新浒犁大匕江路 6 318642m' 2.13206P 4*0.09% 公寓住宅 H 万科公电 12688 ・ 翔」南部新城匕女路。 21168u/m) , 2.5/c/nVJ ) 7 ffkM< 1 118 •• 乂中城南公中人二、; 公寓住电 20M 年 1.33569 户 髭湖名叫 1.95A»V” 儿 8 560000m? 23358/L/m J0.08% Xi • 「城北-江陵西路,近中山北 1 公寓住宅 2.23586 户 海痉长桥杆 路 9 480333<n? 2015«F 22295/L/m 4,0.43% 1.3/c/hVH 1 487488m , 公的住宅 2017 年 2.52602 户 南山维拉 95 吴中-用汽-机场路号 0.91% 。 2.11MVU 元 0 21291 a 23374yc/m 0.5/cMH 公寓住宅 坏无数据 2003 年 1.6 轲无数据 备业用光城 1999 金网-留园」匕坏用路号 1.48% 个 1 2 1 2.42140P 27902/c/m 4-0.80% 2.1/c/nVn 公寓住宅 暂无数据 1WW 号无 好光人悦城 •• 公江太湖拓城岛朗路 1 1 1 486146m 24268/t/m T1.53% 2.4yt/nV/J 2 公常住宅 2017 年 怛星也小城 M •• 高新浒里大泻福路此文路 1 2 4005 户 3 1.71674r 245885? J1.25% 1.5/u/nVJJ 公寓住七 奥林清华 21417M 一「公江城"多唐路 1995" : 1 1 4 公寓住七 2018 年 1.S2000 户 建发初班湾 6 员中讣湖路,近东大道 3.26AtV” 儿 5 500000m? 35319/L/m? 11.37% 1 7 , 公寓住宅 1.83324 户 海尚麦必 H118 【.业乃龙商米-九华路号 6 3/lMVH 400000m 20nH 56856/L/m 00.58% 1 430000m , 公寓住宅 2018 年 2.83256 户 6 没推国 I1105 知崔北-兴吴路号 1.35% 个 1.4/nV 兀月 7 23665Um? , 2 530000m 2.63896P 27335>L/m J0.50% 2.6/t/nV/J 公河住宅 2016 年 2999 发”,太湖新城-岛洋路号 ♦ 苜开太湖 1 2 号 8 429981m' 27912/E/m 1.5/t/nV/J 公寓住宅 者尢数据 1.8903 户 10 田 1.03% 。 Kf • 火江-湖新城冬梅街,近井 1 2 路 9 1 39» •• 员中木法金山闱路 公常住宅 2016 年 2.53457 户 万科城 0 460000m 23306 4^0.04% 2/cAtVJJ 图数据源 6-* 目标 1 .数据爬取时缺失数据是常见的现象,通过某爬取软件从网站爬取的数据时,如果没有爬取 到的数据会返回“暂无数据”,这会影响后期的空值处理,将这些“暂无数据’’转换为空值,并 统计各列的空值频数,查看缺失数据情况。 2 .数据爬取的数据往往是带有单位的字符串,这也会影响后期的数据分析,所以需要将这些数 去掉单位,再转换为数值型数据。如将字符串“均价”的元转换为数值 40000/n?40000 o 3 .为了分析不同区的房产数据,从地址中提取出区的数据。为了分析房龄的数据,从建造年代 中提取出房龄数据。 ,筛选出区为“工业园”,均价在以下,容积率在以下的房源数据。 450000L5 5 .查询房价最贵小区的前名。 5 6 .查询停车位最少小区的前名。 5 7 .统计所有数据的平均房价以及二手房总和数量。 8 .分析均价以上小区中,房源最多是哪个区。 40000 三、步骤 推荐学生到讲台上来介绍自己的成果 2)

腾讯文库房产数据预处理与分析