【基于Python的链家房价数据分析(代码+5k字分析报告)】

数据来源

本项目为链家爬取与数据分析

首先，基于网络爬虫技术对链家进行爬取，采集所需要的特征字段，然后，采用csv的格式进行持久化存储，最后基于pandas实现了数据的预处理与分析。

数据来源于链家web网站，基于昆明房价数据，采用了基于requests和bs4实现数据采集，其中，Requests是一个基于Apache2协议开源的Python HTTP库，具有操作容易，上手快等优点；bs4全称为Beautiful Soup，一般用于解析网页可以从html或xml文件中提取数据。bs4是一个工具箱，提供的接口接单使用起来十分人性化。
数据源为链接web网站，网页链接为https://km.fang.lianjia.com/loupan/pg，以昆明房价为基准，该页面中，每页有10条房价数据，均为昆明市某楼盘的数据，该网页作为本次项目的数据源。目标网页如图1所示。

首先，定义网页请求头，即User-Agent，采用headers以字典的形式存储User-Agent，其次，定义网页url，对url发起get请求，然后，获取get请求返回的数据，采用bs4对返回页面进行解析，根据标签完成数据提取。提取字段如表.1所示。

字段	含义
recommend_project	楼盘
house_type	类型
sale_status	销售状态
big_adderess	大地址
small_adderess	具体地址
advantage	优势
average_price	单价

数据统计

1)昆明最高单价楼盘和最低单价楼盘分别为：

2)昆明不同类型楼盘数量分别为：

3)优势字段词频top10分别为：

分类汇总及图示

1)分类汇总各类型楼盘数量柱状图

2)分类汇总各销售状态楼盘数量饼状图

从图中可看出，销售状态为售罄的楼盘数量最多，占比为69.9%，在售状态的楼盘占比为23.8%，待售状态的楼盘占比为6.3%。

3)分类汇总各类型平均单价柱状图

从图中可以看出，底商的平均单价最高，是价格最高的楼盘，其次为别墅，平均单价为第二高。

4)优势字段词频统计top10柱状图

从图中可以看出，配套齐全出现次数最多，是优势字段中的主要优势词，也可以看出，配套齐全是消费者比较关心的功能点，其次，购物方便是出现第二多的优势词，符合真实的情况。

5)前5单价的楼盘柱状图

6)基于透视表的不同销售状态和不同类型平均单价柱状图

6)词云图