深圳房价链家数据分析

最新推荐文章于 2024-02-01 12:44:16 发布

置顶

穗穗Kelly

最新推荐文章于 2024-02-01 12:44:16 发布

阅读量2.3k

点赞数

文章标签：数据分析

本文链接：https://blog.csdn.net/kellyshan123/article/details/79995779

版权

本文使用R语言分析了深圳房价与住房面积的关系，进行了数据清洗、缺失值处理、数据可视化和线性回归分析。通过分析发现，400万左右的房子数量最多，房价集中在200万至850万之间。红树湾区域房价最高，前海新区受追捧。线性回归模型解释了60.44%的方差，显示面积与房价的显著关系。

摘要由CSDN通过智能技术生成

本人介绍：穗穗，高级数据分析师，5年以上数据分析经验，R/Python/SQL，广外经济

利用scrapy框架爬取某房地产中介网站的近3000条房价信息。本文旨在借助R工具（Excel，Python为辅助）来分析对房价与住房面积的关系，并对其进行线性回归分析。

-------------------文章结构：------------------

1、原始数据整理（细分变量）

2、缺失值和异常值处理

3、数据可视化+广告词词云

4、利用线性回归模型进行房价分析

5、总结

------------------------------------------------------

一、原始数据整理（细分变量）

爬出来的数据比较复杂，结合任务所需要的数据，将需要用到变量整理出来。

首先观察数据，发现以下几个问题：

? 房本满几年（"Rqrmnt"列中）有部分数据缺失值，在方位栏切割数据时把这个内容往后了一单元格（"Metro"列中）

? 想提取"U.P."（U.P.代表每平米单价）字符串中的数值，每平米单价多少。最重要的面积数据没有单独列出来

? 提取"Focus"字符串中的数值，只保留多少人关注该房。多少次带看数据可以去掉。

1.1 数字提取，字符串合并

R，Excel，python其实都有自己在数据处理上的不同方面的优势，这种数字提取和字符串的合并适合用Excel进行初期处理，用到的函数公式如下：

=LEFT($F2,FIND("年",$F2))                            #截取部分文本，操作方法

=MIDB(M2,SEARCHB("?",(M2)),2*LEN(M2)-LENB(M2))      #提取含文字的字符串中的数值，操作方法

做出一定处理和变换后，将"Metro"和"Rqrmnt"合并，只保留"Rqrmnt"列的内容。有了单价和总价，便可得到房子面积，单独成列。处理结果如下：

然后载入R编辑器中做进一步处理。

关注