经纬度做数据分析_《吊打分析师》实战—深圳链家租房数据分析 | 附源码

2020，努力做一个无可替代的人！
长文多图，建议先收藏再看

写在前面的话

你好，我是小一

又要开始新的系列了，这个系列保证你一定会喜欢

考虑到前面的系列都是基础内容，而且篇幅还不少

所以这个系列打算多来点实战项目，像今天这种的，先做他十几二十个再说。

至于源码都会分享出来，一般都会在文末，需要的同学自取

做一下必要的介绍：

• 小一使用的Python版本是3.8
• 开发环境是Pycharm2019.3
• 图形可视化使用matplotlib+seaborn+echarts

为了显示美观，部分截图是在Jupyter 下运行的结果，大家不用纠结

使用echarts 是因为小一做过前端的一些开发，对echarts 的使用还相对熟悉点，文章中主要会用echarts 来做热力图

ok，开始我们的第一篇实战

正文

这是一篇关于深圳租房数据分析的文章

文章会对深圳整体、各区域的租房价格、房屋属性等多个维度进行分析

也会对深圳的租房价格洼地、热点区域分布等进行相关探索

首先，今天的数据集来自于之前的爬虫项目：

爬虫实战—拿下最全租房数据 | 附源码​mp.weixin.qq.com

今天的分析流程主要分为以下三步：

• 提出问题&问题分析
• 数据预处理
• 可视化分析与探索

如果对数据分析流程还不是很了解的同学可以看看前面的这篇文章：

2020，如何转行数据分析？​mp.weixin.qq.com

一、提出问题&问题分析

想必在提出问题之前，避免问题太大太夸张不能完成，我们得先了解一下数据都有什么

这里直接拿爬虫的需求字段数据看一下

# 数据字段
city: 城市
house_id：房源编号
house_rental_method：房租出租方式：整租/合租/不限
house_address：房屋地址：城市/行政区/小区/地址
house_longitude：经度
house_latitude：纬度
house_layout：房屋户型
house_rental_area：房屋出租面积
house_rental_price：房屋出租价格
house_update_time：房源维护时间
house_orientation：房屋朝向
house_tag：房屋标签
house_floor：房屋楼层
house_elevator：是否有电梯
house_parking：房屋车位
house_water：房屋用水
house_electricity：房屋用电
house_gas：房屋燃气
house_heating：房屋采暖
create_time：创建时间
house_note：房屋备注

一共21个字段，共21750条数据

1.1、数据特征分析

到这你可能会有疑问了，为什么先进行这个步骤？

在我们上面的22个特征中，会存在一些主要特征

像地址、房租价格、面积这些，是我们重点要分析的特征，而像房屋用水、用电、采暖这些就属于次要特征，可以进行辅助参考

就类似你去租房的时候你会首先考虑房屋的水电吗？你肯定是看了户型和价格觉得可以才会继续问水电，甚至就算水电不符合你的要求你也可能会说服自己租下的

在数据的21个特征中，其中主要数据特征包括：

• 出租方式（整租 or 合租）
• 地址（行政区-区域-小区名）
• 经纬度（房源经纬度数据）
• 格局（x室x厅x卫）
• 面积（xx m²）
• 价格（xxxx元/月）

房源编号、创建时间、采暖、备注等特征为多余特征

房源编号是房子的唯一标识，我们用小区名可以替代
深圳是沿海城市，暖气这个词似乎很遥远
创建时间没有可对比性

如果你的数据时间跨度比较大，可以做环比分析，这个时候时间字段就有用了，今天我们暂且用不上

剩下的特征都是次要特征，主要描述房屋的一些附加属性，例如车位、楼层、燃气等

1.2、提出问题

重头戏来啦，我们需要解决的问题是什么？

小一我每次搬家找房子的时候都会超级焦虑，每次都是

所以在准备做这个项目时就立刻有一个目标：如何找一个便宜又超值的房子？

嗯！也就是文章的标题，我要租个好房

我们都知道地铁口周围的房租会贵很多，那么我们知道了房源分布和价格，能不能模拟出城市的地铁线路？

这，是小一想到的第二个问题

另外，小一目前是做运营商网络数据分析的，所以就想着这个项目能够对网络的运营优化有一点点帮助，或者有个参考思路也行

这，是小一想到的第三个问题

1.3、问题分析

自己提的问题流着泪也要想出解决方法

对于上面的三个问题，我们首先需要对深圳的租房数据做一个整体统计

通过整体分布情况再次细分需要研究的数据特征，通过特征结果筛选分析确定最终的心仪目标

整体就是一个总—分的思想，从整体中选出符合要求的部分，针对部分再次分析，筛选、分析……

对于本次数据，我们可以从以下几个问题去进行分析：

• 深圳整体房源出租方式比例是什么样的？
• 深圳的房源数量分布是什么样的？
• 房租价格分布呢？
• 价格相对便宜的房源分布在哪些区域？
• 这些区域的房租、房源数据分布？
• ……

这样我们就可以在目标的导向下，一步步的去细分数据，去靠近目标，并完成最终的探索分析

二、数据预处理

终于到了预处理这一步，前面学习的Pandas、NumPy 都能派上用场了，是不是有点小激动？

问题已经明确，数据也都准备好了，开始我们的第一个难题：数据预处理

数据预处理我们需要处理以下问题：

• 数据统计、分布情况
• 找出缺失数据，选用合适的方法处理
• 找出异常数据，选用合适的方法处理
• 数据合并重塑

先来看一下数据的分布情况

一共22个字段，其中house_note 全部为空，经纬度数据有一条为空，其他全部不为空

等一下，经纬度只有一条空数据，是不是可以先处理一下？

ok，满足你，看一下缺失经纬度的数据

这里直接用最简单粗暴的处理方式：

去百度坐标拾取系统输入房屋地址拿到经纬度信息

# 使用经纬度填充异常值
df_data.loc[df_data.house_longitude.isnull(), 'house_longitude