python有什么用房地产行业_用Python告诉你2018年的杭州房地产调控

时隔一年，想不到自己去年写的爬虫还能用，于是就加了几行代码，改成了多进程，开了20个进程跑了这个爬虫。

去年各地做了一件让人比较震惊的事情，印象中好几个地方做了平台，要求房屋中介做数据接入。好处是数据多，缺点是数据质量一般。

上一次爬取数据的时候是2017年11月23日，这次爬取是2018年11月25日。

代码不说爬虫，只说分析。相当于pandas.DataFrame的使用教程。df2017或者df2018都是DataFrame的类型。

看看2017年挂网的供应信息

len(df2017) # 32670

df2017.shape #(32670, 49)

看看2018年的供应信息，由于可能出现重复信息，所以我们要查重。

df2018 = df2018[~df2018.duplicated()]

之后2018年的数量为47340条。

但到底有多少套房挂出来了呢，上述信息是一套房子在多个中介中挂网。好在数据中有个fwtybh（房屋统一编号）的字段。

df2018[~df2018['fwtybh'].duplicated()]

df2017同上处理，2017和2018分别为19592，30144。

看了下杭州链家上，它自己挂了26446套。数据差异会有多种原因，一方面是2017年末的时候它刚推出，数据录入不全，2018年末的时候它有已经成交但是没删除的数据。

根据页面显示，本次爬虫只爬了一半。总的来说，这类网站的质量不高。

大类类比的话，我们取这些字段：挂牌价，房屋面积，小区名称，房屋统一编号。因为单套房屋肯定比不来，很少出现一套房屋交易后马上又挂网的情形。

好了，来看看挂网的热点小区，2017年的

df2017[~df2017['fwtybh'].duplicated()].groupby('xqmc')['accountid'].count().sort_values(ascending=False)[:20]

同理2018年的，数据可能会有误，比如我就不知道啥是运河路小区……一大波临平和闲林的小区上榜。

最重要的是价格，我们无法直接拿房屋对比，但是我们可以拿房屋报价的均价来对比。

df2017['dj'] = df2017['wtcsjg'] / df2018['jzmj'] # 报价/建筑面积，获取单价

df17 = df2017.groupby('xqmc').agg({'accountid': np.size, 'dj': np.median}).reset_index() #生成小区名称、出售套数、单位平方中位数的DataFrame

同理生成df18。

如果一个小区想要出售的业主太少，那么也不予考虑……我们将这个神奇数字定为7

mg = pd.merge(df17, df18, on='xqmc',how='inner', suffixes=('_2017', '_2018'))#合并两种数据，通过小区名称关联。

mg[(mg['accountid_2017'] > 7) & (mg['accountid_2018'] > 7)] # 筛选小区在售套数在2017年和2018年均超过7套的。

mg[mg['dj_2017'] > mg['dj_2018']] # 表示2017年报价单价比2018年高的。

数据显示，2017年报价单价比2018年低的是523, 2017年报价单价比2018年高的是319。

抽样画图对比：

mg.set_index('xqmc').sample(50)[['dj_2017','dj_2018']].plot(kind='bar')

50个小区抽样

蓝色是2017年单价，黄色是2018年单价。

===========================

伪结论：高价房价格回归，市区老破小升值，低价房消失。余杭及临平房产大规模入市。

今年的调控，总的来讲，没有太多的槽点，基本达成目标。

别看2018比2017同小区报价高的是523，报价低的是319，几乎等于0.6。毕竟一年度成交活跃，以房地产的流动性，下一年度该小区的供应少了，可能在同小区的单价就会高些。