重庆链家租房数据分析

     据数据统计,2020年我国城城流动人口已经达到8000多万,相比2010年的4600万已经增加了一倍。《2020中国青年租住生活蓝皮书》中显示在城市租住人群中,30岁以下占比超过55%,其中31.48%都是26-30岁租客,而2020年初贝壳找房发布的《2019租客居住报告》中重庆的租客平均年龄为28.2岁,是所有城市样本中最低的。从统计数据可以看到,当下年轻人租房需求非常普遍。

       在建筑房产交易相关领域,相比新房和二手房交易,租房交易频率高,资金日常且稳定,“租住”的买方和卖方基本涵盖了房屋建成交付后的住房消费全生命周期。

       作为曾经在建筑设计行业的打工人,虽然平日画的设计图纸的对象是地产新房,但同样经历过几次自己或者帮助建议他人的租房经历。在“租住”需求如此普遍的背景下,想要通过近日重庆租房房源数据分析的方式,了解当下居住的城市—重庆的租房市场以下几个问题的答案:

    • 租房房源会留存多久?房东放上房源后大概多久能够定下租客?租客寻找租房,比预定入住时间提前多久关注寻找房源比较合适?

    • 重庆主城区九区,房源在各区块上分布情况是怎么样的?

    • 整租/合租房源户型数量和价格分布是怎样的?

    • 以区块、小区为单位,房源性价比是怎么分布的?

  • 数据来源:爬虫爬取2022-09-02链家重庆主城九区租房房源

  • 数据描述:数据包括2022-09-02当日链家网站重庆主城九区租房房源共17688条房源数据,包括房源验真编号、区域、房源上架时间、价格、租赁方式、户型、所在楼层、面积等信息

  • 使用工具:

    • 总体数据的导入拼接、预处理在python3平台上完成

    • 字段拆分等处理在PowerPivot上完成

    • MySQL平台提取分析

    • Tableau可视化展现

  • 分析结构:

  • 分析结论概览:

    • 房源留存时间:

      • 5~6天左右平均留存时间,68.6%房源集中在前6天,6天后逐渐开始明显下降

      • 租客寻找房源基本可以参考5~6天左右安排看房计划,房东方面在房源上架超过7天后也需要及时考虑信息补充,优化条件等措施

    • 房源区域分布:

      • 房源集中在中央的渝北、江北、渝中、沙坪坝等六区,六区房源数量分布均匀,小区数量基本与区块面积大小相关

      • 房源小区的分布相对反映了区块人口和经济发展的差别,后续找房如无区域要求优先考虑中间六区

  • 房源整体情况:

    • 整租房源居多,房源所处楼层分布较均匀,房源楼栋基本在6层以上,以19-33层高层为主,看房一般以提前预约的方式为主。需留意:部分楼栋高于6层的无电梯,约十二分之一房源为商用水电

  • 整租与合租户型数量:

    • 整租以1~4室户型为主,2室1卫最多;1室1卫次之,3室的户型基本为1卫或2卫,剩下4室2卫较多144.3㎡。

    • 合租以3~5室户型为主,4室2卫户型最多,5室2卫次之,4室、5室的户型总体占比都比较多,基本为1~3卫,3室总体占比次之,以1卫、2卫为主,主流占比的户型中合租卧室的平均面积在17~18㎡左右。

  • 整租与合租区域性价比

    • 整租1~4室中1室房源均价明显高出其他户型很多,2~3室基本遵循人均租金逐渐降低的规律,四室开始人均租金比较不均匀,价格反而随户型卧室数

    • 合租1~2室均价最高,九龙坡、南岸区1室,沙坪坝、渝中区2室均明显低于其他区均价,应属于价格洼地,如果需求相同可重点关注。整体上随卧室数增多均价下降,沙坪坝区整体均价较低,在600左右

    • 江北、渝中、渝北整租合租的人均租金都明显高于其他区,尤其江北、渝中的整租房源,渝北的合租房源人均价格与其他区有明显差距

  • 区域小区户型性价比参考:统合布置了房源性价比动态看板,可结合区域户型需求寻找

  • 3
    点赞
  • 38
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 安居客出租房(武汉为例)爬虫+数据分析+可视化 这个爬虫是我前段时间在淘宝上做单子的时候遇见的一个客户需求。本来以为就是一个简单的爬虫项目。但后面客户加了数据清洗和数据分析的要求。而后又加了要详细代码解释的需求等等。直到最后客户坦白说这是他们大专的毕设.......但是这个单子坐下来只有200左右,我想了一下,感觉好亏啊。在淘宝上随便找一个做毕设的都要好多钱的,而且客户本身的代码能力、数学、逻辑能力都很差,导致我每行都给注释以及看不懂,在我交付代码后又纠缠了我一个多礼拜。反正总体做下来的感觉就是烦躁。头一次感觉到了客户需求变更带来的巨大麻烦。 总之这是一次不是很愉快的爬虫经历。但是作为我写爬虫以来注释最详细的一次,以及第一次真正使用像matplotlib这种数据分析库的代码,我认为还是有必要分享出来给大家当个参考的(PS:大佬轻拍~)。爬虫本身几乎没有什么难度,写的也比较乱,敬请见谅。 **功能** 爬取安居客上的出租房信息(武汉地区的),并通过爬取的数据进行数据清洗以及数据分析。给出四个不同层面的可视化图。最终结果如下图所示: ![Image text](https://raw.githubusercontent.com/srx-2000/git_spider/master/anjuke_room_rent_info/result/1.png) ![Image text](https://raw.githubusercontent.com/srx-2000/git_spider/master/anjuke_room_rent_info/result/2.png) ![Image text](https://raw.githubusercontent.com/srx-2000/git_spider/master/anjuke_room_rent_info/result/3.png) ![Image text](https://raw.githubusercontent.com/srx-2000/git_spider/master/anjuke_room_rent_info/result/4.png) **环境** 1. Windows 10 2. python3.7 **使用方法** 首先声明该爬虫由于是特定情况下写的,所以本身的通用性特别差,仅可以对安居客网站上的武汉的出租房信息进行爬取,且需要自己手动更新cookie。同时在对数据进行分析及可视化的时候由于也是特别针对武汉出租房的进行的,所以针对性也比较强。如果别的需求需要自己进行更改。 1. 访问[安居客网址](https://wuhan.anjuke.com/),获取cookie。 > tip:获取cookie的方法可根据[此链接](https://jingyan.baidu.com/article/5d368d1ea6c6e33f60c057ef.html) 2. 在项目中找到`spider.py`的文件,将第12行的cookie换成你自己的cookie。 3. 运行`spider.py`,获取房源信息。运行后应会产生一个`武汉出租房源情况.csv`的文件。此文件为我们从安居客上爬取的房源信息,其中包含`房屋租住链接、房屋描述、房屋地址、房屋详情(户型)以及经纪人、房屋价格`五个属性。 4. 在获取了数据之后我们运行`matplotlib.py`文件。进行数据清洗,分析,可视化。运行后即可获得**功能**中展示四个图片。 **技术栈** 1. request 2. parsel 3. pandas 4. matplotlib **进步(相比之前)** 此次爬虫相比之前的技术上可以说有减无增。但其中注释相当详细,可谓是每行代码都有注释。所以对于初学者应该有一些用处。同时使用matplotlib进行了数据分析可视化等。对于数据处理的代码的注释也是几乎每行都有注释的。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值