爬取链家北京租房数据并做简单分析

在一个来北京不久的学生眼中，北京是一个神秘又充满魅力的大城市。它无比美好，但又无时无刻不再觊觎这你薄弱的钱包。

租房是很多人都离不开的硬性需求，这里就对从链家爬取的北京地区房屋出租数据进行一个简单分析。

 

1. 明确需求

这次爬取数据分析的目的在于，通过爬取链家发布的租房信息，发现北京各地区的租房价格差异，以及探索影响北京租房价格的主要因素。

2. 提出猜想

简单分析了一下影响租房价格的因素，根据可以爬取到的数据选取了以下几个点：

• 租房价格同面积、地理位置、公共交通因素高度相关
• 租房价格受房屋格局、有无供暖因素影响
• 租房价格几乎不受楼层、朝向、看房便利等因素影响

因为分析影响租房价格因素的树形图太长，放在文章末尾。

初步分析后借鉴了这篇文章加以完善：年轻人在租房网站找房的时候，他们在看什么？

3. 数据获取

租房数据全部来源于链家北京租房板块发布的信息，如下：

因为链家在当前分类下只最多展示100页共3000条数据，所以这里选择按照链家给出的地区分类，遍历爬取其所有地区展示的租房信息：

4. 数据清洗

1）调整格式

对房屋价格、房屋面积等字段进行调整，提取其中的数值。

2）重复值

格式调整后发现存在5182条重复数据，判断重复数据的标准为house_url字段，即每间房屋在链家上都对应唯一一个展示网页。

查看数据，发现在一对重复的数据间，除了posi_name和poai_name1两个字