基于大数据的城市租房信息可视化分析系统

温馨提示：文末有 CSDN 平台官方提供的学长 QQ 名片 :) 

1. 项目简介

        本项目利用 python 网络爬虫抓取某租房网站的租房信息，完成数据清洗和结构化，存储到数据库中，搭建web系统对租房的面积、朝向、有无地铁、公共交通工具等价格影响因素进行统计分析并可视化展示。

        B站详情与代码下载：基于Python的租房价格数据分析与预测系统_哔哩哔哩_bilibili

基于Python的租房价格数据分析与预测系统

2. 功能组成

​

3. 租房信息爬虫

        利用 python 的 request + beautifulsoup 从某租房平台抓取深圳（其他城市修改相应的租房网址即可）的租房数据：

def parse_zu_fang_divs(all_zu_fang_divs):
    house_infoes = []
    for zu_fang_div in all_zu_fang_divs:
        try:
            # 标题
            title = zu_fang_div.select('b.strongbox')[0].text.strip()
            props = zu_fang_div.select('p.details-item.tag')[0].text.strip().split(' ')[0].strip()
            # 室厅，面积，所在楼层
            shiting, mianji, louceng = props.split('|')   # 2室1厅|93平米|中层(共26层)
            address_tag = zu_fang_div.select('address.details-item')[0]
            address = address_tag.text.strip()
            xiaoqu, address = address.split('\n')
            # 小区名称
            xiaoqu = xiaoqu.strip()
            address = address.strip()
            qu, data2 = address.split(' ')
            # 小区所在一级区，二级街道
            first_qu, second_jiedao = qu.split('-')

            tags = zu_fang_div.select('p.details-item.bot-tag')[0].text.strip()
            # 标签
            tags = tags.split('\n')
            # 租金
            price = zu_fang_div.select('div.zu-side')[0].text.strip()

            house_infoes.append({
                '小区名称': xiaoqu, '小区所在一级区': first_qu, '二级街道': second_jiedao,
                '室厅': shiting, '面积': mianji, '所在楼层': louceng, '标签': tags, '租金': price
            })
        except:
            pass
    return house_infoes

4. 基于大数据的城市租房信息可视化分析系统

4.1 系统注册登录

​

4.2 租房小区名称关键词抽取并词云分析

​

4.3 城市不同区域租房数量分布情况

​4.4 城市不同区域租房房价分布散点图

​ 4.5 不同地区租房房源数与平均租房价格的分布情况

​

4.6 城市各区域租房房价格分布箱线图

​

4.7 深圳租房单价最高Top20

​

4.8 房价影响因素分析

4.8.1 小区所在一级区域

​

4.8.2 租房面积

​4.8.3 房屋朝向

​

4.9 基于决策树算法的房租预测模型

       构建决策树机器学习算法，利用采集的租房数据进行模型训练和验证，集成到web系统中，实现交互式房租预测：

​

5. 结论

        本项目利用 python 网络爬虫抓取某租房网站的租房信息，完成数据清洗和结构化，存储到数据库中，搭建web系统对租房的面积、朝向、有无地铁、公共交通工具等价格影响因素进行统计分析并可视化展示。

欢迎大家点赞、收藏、关注、评论啦 ，由于篇幅有限，只展示了部分核心代码。

精彩专栏推荐订阅：

1. Python 毕设精品实战案例
2. 自然语言处理 NLP 精品实战案例
3. 计算机视觉 CV 精品实战案例