空间分析建模目的_空间分析：0.目的与步骤

一、目的

空间分析总的说来，应该有三步：

1.整理数据。

2.数据可视化。

3.量化分析。

因为我一直比较好奇，北京房价有多贵，为什么贵，所以假期抽空就用常规的空间分析方式与步骤，对北京小区的分布和房价做了一个可视化的参考，并对其进行了建模分析。

以下是粗浅的效果：

1.所有房源与地铁线路的叠加。

2.各房源的售卖属性。

3.均价最高的100处房源分布。

4.均价最高的100处房源简介词频统计。

出现频次最高的是金融街，其次是德胜里。

5.热力图

6.影响房价的两大因素，学区与居住人群收入。

7.感谢贫穷，教会了我认知世界。

其实有了数据，可以做很多维度的分析，以后会不断扩展。

二、步骤

1.数据的收集与整理

数据的收集与整理，稍稍有些工作量，因为数据分析的基础，就是收集整理数据。

处理好了数据样本，数据分析就成功百分之八十了。

数据获取，使用python3编写爬虫脚本，从相关网站爬取数据。

数据整理，也是用Python3编写爬虫脚本，将数据格式统一化。

数据源：

小区POI数据；

地铁线路与地铁站数据；

房源数据，位置、售价、简介等；

学区数据，各重点小学；

公司数据，各种大企业；

2.数据可视化

这个我就没写程序了，只是用开源的QGIS工具，进行数据的呈现。

有些简单的图表，使用的是Excel的透视图。

3.量化分析

词频统计，使用的是hanlp分词器，安装的是Python环境。

空间分析使用的是开源的空间分析软件geoda。

三、小结

1.实践出真知。

北京房价贵，这是能感知到的，但我还是更想用数据去支撑这个感知。

很多事情，说着容易，但做起来会更有收获。

会说不是真会，会做才是真会。

2.善用工具。

很多工具，功能很完善了，如果有工具，就没有必要为了实现什么，从底层开始搭建。

地图渲染展示，QGIS很好用。

空间分析，geoda能实现大部分算法，并呈现效果。

Excel，最经典的计算统计工具。

会用软件，用好软件，一点都不low。

重复造轮子没有必要，要善用工具。