Python分析香港26281套在售二手房数据

大家好，我是一行

香港的贫富差距问题一直十分尖锐，最突出的体现就是收入和楼价的巨大差异。早在60年代末香港房价就经历了暴涨，人们早已对不动产的金融属性了如指掌，全港的投资情绪一直都相当火热。即便香港当前失业率高企，经济环境较差，但购买力仍在，楼市依然坚挺。为了深入了解香港房地产市场，本文用Pyhton采集了香港在售26281套二手房数据并做可视化分析，试图从数据层面理解香港楼市现状。本公众号后台回复**「香港」**可获取本文数据分析代码和数据集。

可视化分析

---

九龙房源最多，港岛价格更高

香港特别行政区，下辖香港岛、九龙半岛、新界3个地区共18个分区。九龙半岛在售二手房源共8108个，占比28.62%。根据中原城市指数CCI（仅包括大型屋苑），港岛报187.66点，高于香港其他地区。

具体分区来看，香港在售二手房源集中分布在葵青区、元朗区、屯门区等地，而九龙城区、深水埗区、中西区、湾仔区、东区等地房价较高。香港在售二手房实用呎价均价为$18688/呎（折合人民币约172652元/平方米），最低实用呎价$4421/呎，最高实用呎价$96965/呎。

将军澳二手房源最多

将军澳、元朗和屯门在售二手房均超1000套，其中，将军澳以2112套二手房源居首。

九龙站二手房均价最高

九龙站、山顶/南区、贝沙湾和中半山在售二手房均价超过$3万/呎，九龙站以$37232/呎遥遥领先，远高于香港二手房整体均价。

小户型为主，2房占比超一半

从建筑面积来看，香港在售二手房普遍建面在500呎-1200呎（46-111平方米），占比高达78.52%，共计18825套。

从居室来看，香港在售二手房中，2房共计12231套，占比51.05%；3房共计7613套，占比31.76%；4房以上71套，占比仅为0.29%。

各楼龄段均有一定比例分布

从香港在售二手房楼龄来看，25-39年楼龄的二手房源最多，共7396套，占比31.31%；15-24年5939套，占比25.36%；40年以上房源也有2347套，占比10.93%。

50%以上二手房低于1000万

从香港在售二手房售价来看，$501-$1000万（约429-858万人民币）房源数量为12301套，占比51.31%。

描述性统计

相关性分析

从相关系数表和回归图来看，间隔（即居室）和楼龄都与香港二手房房价无明显的相关性。实用面积与房价具有较强的正相关性，一般来说，人们在看房子时看到的面积是建筑面积，但却不是实用面积。套内建筑面积＝套内使用面积＋套内墙体面积＋阳台面积，而实用面积就是套内使用面积。另外，实用率与房价也无相关性，这与大部分人的感性认识存在偏差。

技术实现

---

本文数据来源于中原地产，网页结构相对简单。数据清洗主要用到Python的pandas库，由于内容较多，仅提供核心字段清洗代码。数据可视化主要用到Python的pyecharts库，都是一些基础图表，本公众号往期原创文章也已多次提及。

数据获取

爬虫核心代码

#将繁体转换成简体

def tradition2simple(line):

return Converter(‘zh-hans’).convert(line)

#解析网页

def get_page(page):

if page <11:

url = ‘http://hk.centanet.com/findproperty/BLL/Result_SearchHandler.ashx?url=http%3A%2F%2Fhk.centanet.com%2Ffindproperty%2Fzh-HK%2FHome%2FSearchResult%3Fposttype%3DS%26src%3DC%26minprice%3D%26maxprice%3D%26sortcolumn%3D%26sorttype%3D%26limit%3D100%26currentpage%3D{0}’.format(page)

else:

url = ‘http://hk.centanet.com/findproperty/BLL/Result_SearchHandler.ashx?url=http%3A%2F%2Fhk.centanet.com%2Ffindproperty%2Fzh-HK%2FHome%2FSearchResult%3Fposttype%3DS%26src%3DC%26minprice%3D%26maxprice%3D%26sortcolumn%3D%26sorttype%3D%26limit%3D-1%26currentpage%3D{0}’.format(page)

req = requests.get(url, headers = headers)

bs = req.json()

print(bs)

ts = tradition2simple(bs[‘post’])

print(ts)

html = etree.HTML(ts)

if name == ‘main’:

ua = UserAgent(verify_ssl=False)

headers = {“User-Agent”: ua.random}

for page in range(1,2624): #共2623页

get_page(page)

time.sleep(1)

print(“第%d页爬取完成”%page)

print(‘-’*100)

数据预览

数据清洗

建筑面积/单价

#异常字符替换为空

df[“建筑面积”] = df[“建筑面积”].str.replace(“,”,“”).astype(“float”)

df[“建面单价”] = df[“建面单价”].str.replace(“$”,“”).str.replace(“,”,“”).str.replace(“/呎”,“”).astype(“float”)

#建筑面积和建面单价缺失值用均值填充

df = df.fillna(value={‘建筑面积’:df[“建筑面积”].mean(),‘建面单价’:df[“建面单价”].mean()})

间隔

存在缺失值、换行符、非数字型、无房间数等脏数据

df[“间隔”] = df[“间隔”].str.replace(“\r\n”,“”).str[:1]

df = df[ ~ df[‘间隔’].isin([‘(’])] #删除某列包含特殊字符的行

df[“间隔”] = df[“间隔”].str.replace(“开”,“0”).astype(“float”)

df = df.fillna(value={‘间隔’:df[“间隔”].mean()})

df[“间隔”] = df[“间隔”].astype(“int”)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！