大数据爬取需求分析_爬取链家租房信息数据分析

想到马上就要大四了离毕业也不远了，住学校的日子转瞬即逝，届时可能需要自己寻找新的栖身之处，于是对链家学校附近的租房信息进行爬取并分析，了解租房行情，为以后的租房未雨绸缪。

---

本文通过爬取链家天河区的房源信息，并全程使用Excel进行数据分析，文章较为详细，包含详细步骤。

分析过程的逻辑图

提出问题

（一切数据分析都是以业务为核心目的）

1. 天河区房源的基本情况
2. 房屋面积和租金的变化趋势
3. 哪种户型的房子性价比较高
4. 哪个区域的房子性价比较高
5. 其他可能影响租金的因素（如：交通、房屋朝向、楼层、是否合租等）

---

爬取数据

工具：八爪鱼采集器

数据量：1503

爬取下来后导出为Excel的文件格式，打开进行预览。

原始数据还算整齐

理解数据

原始数据有以下字段：城市，房源标题，房源上架时间，链家编号，价格，租赁方式，房型，楼层，面积，朝向，地铁，小区，位置，经度，纬度，房源照片链接，房源介绍，当前时间，页面网址

对数据进行预览，可以看到一些字段是我们不需要的，比如：城市、房源标题、房源上架时间等，为了保证数据完整性，对其进行隐藏。（因为往后可能会用到）

保留如下字段：链家编号，价格，租赁方式，房型，楼层，面积，朝向，地铁，小区，位置，经度，纬度

数据清洗

删除重复值

利用数据工具中的删除重复项