Python数据分析实战-链家北京二手房价分析

Python数据分析实战-链家北京二手房价分析

一、分析目标

1、查看北京二手居民住房的分布价格情况，Part 1- 数据读取和预处理；
2、理解变量、数据选取、重复值缺失值处理，Part 2 - 北京市房源分布；
3、数量、单价、总价，Part 3 - 各城区房源分布，Part 4 - 各城区房价分布；
4、单价分布、总价分布、高价Top15小区、低价Top15小区，Part 5 - 各城区房源面积分布；
5、全市平均面积分布、各城区平均面积分布、各城区总面积分布，Part 6 - 房价与房源特性的关系；
6、房价与户型、楼层、朝向、建筑年代的关系。

二、分析具体内容

Part 1 - 数据读取和预处理
1、获取数据
数据来源于网上的链家北京二手房的信息。

可以看到一共有12个变量，包括：
Direction: 房屋朝向；Region/District/Gadern: 城区/街道/小区地址或者名称Id: 链家编码；Elevator: 楼是否有电梯；Floor:楼层；Layout: 房屋户型；Renovation: 装修情况；Size: 房屋大小，单位平米；Year: 房屋建筑年代；Price: 房屋总价。
2、查看缺失值以及变量类型

可以看到，变量类型都符合预期，其中数值型变量的类型均为int64,不需要进行进一步处理；只有Elevator有缺失值，并且缺失数量并不少，之后需要进一步处理。
3、查看重复值

4、处理缺失值

发现有6种情况：‘NaN’‘无电梯’, ‘有电梯’, ‘毛坯’, ‘精装’, ‘简装’;因为数据抓取时有串行，导致数据不正确，所以删除 ‘毛坯’, ‘精装’, ‘简装’；同时考虑楼房6层以下的无电梯，高层有电梯对缺失值进行填补，不过考虑Floor显示的只是此房源楼层而不是小区楼层，可能有误差。
5、查看数据的一般描述统计值

可以看到：
1)楼层分布在1到57层，75%集中在20层以下；
2)Id没有实际意义，可以去掉；
3)每套房子总价在60W-6000W之间；75%价格小于710万，所以6000W有些异常；
4)房子面积在15平-1019平之间；75%的面积小于118平，所以最高面积1019平也有些异常；
5)房子建造年代从1950到2017年。
6、异常值处理

可以看到：怀柔的房屋面积分布范围明显比其他城区广，具体查看数据，的确是建筑的居民楼面积较大。考虑其地理位置，数据情况和实际相符。
面积小于20的查看了，无明显异常；
面积大于800的几个房源很明显。单独查看发现其中“新华联科技大厦”1房间0卫有1019平，明显不是居民住宅，需要删除；同时考虑“X房间0卫”也看起来也不像是居民住宅；



进一步查看，户型分布，从逻辑上看是否有需要删除的异常值。发现有“X房间0卫”和“X室0厅”有很多；分布查看数据后发现“X室0厅”符合居民住宅情况，最后决定删除所有的“X房间0卫”。
查看户型面积分布，


7、变量选取
删除变量“Id”因为没有实际意义；增加每平米单价“PerPrice”便于之后分析；重新设置变量位置，方便查看。

Part 2 - 北京市房源分布

1)房间面积集中在0-200平以内，更大面积的房源面积变化范围大但数量很少；
2)二手房总价集中在1000W以内；
3)二手房每平米均价在4W左右最多，但均价的分布明显更加分散从3W-10W的房源数量都不算少。
Part 3 - 各城区房源分布

丰台、海淀、朝阳和昌平数量相近，在第一梯队；西城和大兴数量相近，在第二梯队；平谷、怀柔和密云数量非常少。
Part 4 - 各城区房价分布
1、各区域总价以及每平米均价分布


1)东西城、海淀、怀柔和朝阳的平均每套二手房总价相近，在第一梯队；除怀柔外，每平米单价也保持和总价一样的排名；怀柔的均价并不在第一梯队，结合之前的房屋面积，因为怀柔二手房的房屋面积较大，造成总价较高；
2)东西城、海淀和朝阳的二手房总价分布也非常接近，怀柔的价格分布范围较广；
3)平谷、密云、门头沟和房山4个区域的房子总价和单价都很低，尤其是平谷和密云；为什么怀柔的二手房情况要远远好于它们，有待考证。
Part 5 - 各区域房屋面积分布
按照前面对于Size的查看，以区间[0,50)、[50,100)、[100,150）、[150,200)、[200,+∞）为划分标准，将面积划分为Mini small、small、medium、big、huge五个等级，分别对应极小户型、小户型、中等户型、大户型和巨大户型。

1)市场上最多的二手房面积在[50,100）内，[100,150)次之；
2)从房屋总价来看，超小户型<小户型<中等户型,并且三类价格比较集中；
3)从每平米单价来看，超小户型最高，其余几类差别不算太大，结合房屋总价，可能跟供需关系有关，总价低的市场需求量大，而相对供给量较低。
Part 6 - 房价与房源特性的关系
1、房价与户型分布
2、房价与朝向分布
3、房价与装修分布
4、房价与楼层
5、房价与电梯
6、房价与建筑年限
三、小结：
通过分析可以看到，二手房市场的房源数量和房价表现出的北京特征非常明显：
1.中心城区东西城和学区房海淀朝阳房源多同时房价高；
2.房源面积集中在50-150平之内，总价均值在500-600万，<50平的房源因为房屋数量少和总价低，反而单价最高；
3.房屋的建筑时间和北京各区域发展的时间一致；
4.房价更多与区域位置和面积相关，与户型、装修和电梯等等相关性不明显。
本篇侧重于锻炼python实现数据清洗和可视化的能力，不足之处：
1.对于变量电梯、朝向、户型等的处理非常粗糙；
2.分析的问题不够明确，导致分析结论不明确。