北京
大数据文摘授权转载自菜J学Python
作者：J哥
白岩松曾说：“高房价正在毁掉无数年轻人的爱情，毁灭了年轻人的想象力。”尤其是北上广深这类一线城市，对于一般的工薪阶层，买房更是难上加难。前不久，DT财经写了一篇文章《我只有300万预算，能在上海买到什么样的房子？》，引起了网友广泛热议。有人不禁要问，那在深圳买房又得要多少预算呢？
于是，为了深入了解深圳二手房交易市场，我用Pyhton采集了深圳在售20778套二手房数据并分析，试图从数据层面了解深圳二手房市场现状。
数据探索与可视化
深圳二手房历年走势
首先，我们看一下深圳近年来二手房房价整体走势图。由图可知，2011年深圳二手房价仅为18495元/㎡，至2019年增长至62205元/㎡，增加了2.36倍。然而深圳平均工资增加不到2倍。可见，一般的工薪阶层购房压力增加也是情理之中。
深圳二手房在售房源分布
深圳二手房源主要分布在龙岗区，共计12747万套。坪山区和大鹏新区二手房源相对较少，分别为762套和340套。
深圳在售二手房房价分布
从深圳在售的二手房均价来看，南山区均价最高，高达81241元/㎡，其次是福田区和罗湖区，二手房均价分别为72114元/㎡和53070元/㎡。光明区房价最低，为22893元/㎡。
在深圳买一套二手房到底要花多少钱？我们分析了二手房的价位，从图中可以看到总价在300-500万内的最多，占比达到30.53%。500-800万的占比29.85%。300万以下的占比17.84%。
深圳在售二手房房龄分布
这些二手房的房龄都有多久了呢？由图可知，房龄在15-20年的最多，占比23.37%，其次是房龄在10-15年，占比21.51%。5年以内的仅占比17.63%。
不同居室二手房数量及均价
深圳二手房中，3室2厅、2室1厅和3室1厅的二手房源数量最多，5室以上的房源较少。影响二手房房价的因素很多，居室越多房价不一定就更高，由图可知，1室0厅的均价也达到了75121元/㎡。
不同朝向二手房源数量
深圳在售二手房中，朝南的房源占比最大，达31.72%，朝东南和西南次之，分别为26.10%和8.94%。
深圳在售二手房房源TOP10楼盘
由图可知，龙光玖钻在售二手房数量最多，达到150个，其次是龙光玖云著，为130个房源。
楼层数、建筑面积与房价的关系
通过绘制楼层与房价、建筑面积与房价回归图可知，深圳在售二手房楼层类型分布较为分散，且楼层与房价的相关性不大，建筑面积集中分布在200㎡内，且建筑面积与房价具有较强的正相关。
数据获取
本次数据来源于贝壳找房，限于篇幅，以下仅提供核心代码：
def main():district_list = ['luohuqu', 'futianqu','nanshanqu', 'yantianqu','baoanqu', 'longgangqu','longhuaqu', 'guangmingqu','pingshanqu', 'dapengxinqu'] #地区for district in district_list:for page in range(1,101): #页数控制url = 'https://sz.ke.com/ershoufang/{0}/pg{1}/'.format(district, page)# print(url)response = requests.request("GET", url, headers = headers)print(response.status_code)if response.status_code == 200:re = response.content.decode('utf-8')print("正在提取" + district +'第' + str(page) + "页")time.sleep(random.uniform(1, 2))print("-" * 80)# print(re)parse = etree.HTML(re) # 解析网页num = ''.join(parse.xpath('//*[@id="beike"]/div[1]/div[4]/div[1]/div[2]/div[1]/h2/span/text()'))print(num)parse_page(parse)if int(num) == 0:break
if __name__ == '__main__':ua = UserAgent(verify_ssl=False)headers = {"User-Agent": ua.random}time.sleep(random.uniform(1, 2))main()数据清洗
本次数据清洗主要用到正则表达式，以下为数据清洗完整代码：
import csv, reimport pandas as pd
result = []rule1 = re.compile("(.+层)\(共(\d+)层\)")rule2 = re.compile("(\d+)年建")rule3 = re.compile("\d+室\d+厅")rule4 = re.compile("([\d\.]+)平米")rule5 = re.compile("([\d\.]+)")
with open("./ershoufang_shenzhen.csv", encoding="utf-8-sig") as f:f_csv = csv.reader(f)headers = next(f_csv)print(headers)for row in f_csv:tmp = {}tmp["楼盘名称"] = row[0]split_arr = re.sub("\n? {2,}\|?", "|", row[1]).split("|")for s in split_arr:s = s.strip()match = rule1.match(s)if match:tmp["楼层类型"] = match.group(1)tmp["楼层数"] = int(match.group(2))continuematch = rule2.match(s)if match:tmp["建造时间"] = match.group(1)continuematch = rule3.match(s)if match:tmp["户型"] = match.group(0)continuematch = rule4.match(s)if match:tmp["建筑面积(平米)"] = float(match.group(1))continuetmp["朝向"] = ssplit_arr = row[2].split("/")tmp["关注人数"] = int(split_arr[0].replace("人关注", ""))tmp["发布时间"] = split_arr[1].replace("发布", "")tmp["房价(单位：万)"] = float(row[3])tmp["单价(元/平米)"] = float(rule5.search(row[4]).group(1))result.append(tmp)df = pd.DataFrame(result)df.to_excel("result.xlsx", index=False)声明
1.本数据分析只做学习研究之用途，提供的结论仅供参考；
2.作者与贝壳找房无任何瓜葛，只是他家数据比较靠谱，大家也可以去其他二手房平台看看；
3.作者对地产行业了解甚微，相关描述可能存在不尽完善之处，请勿对号入座。
租！GPU算力
新上线一批4090/A800/H800/H100
特别适合企业级应用
扫码了解详情☝
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
