Python 爬取了 1.7 万条房产数据,告诉你深圳生存压力有多大!

最近各大一二线城市的房租都有上涨,究竟整体上涨到什么程度呢?我们也不得而知,于是乎笔者为了一探究竟,便用 Python 爬取了房某下的深圳租房数据。以下是本次的样本数据:

除去【不限】的数据(因为可能会与后面重叠),总数据量为 16971 ,其中后半部分地区数据量偏少,是由于该区房源确实不足。

因此,此次调查也并非非常准确,权且当个娱乐项目,供大家观赏。

统计结果

我们且先看统计结果,然后再看技术分析。深圳房源分布如下,按区划分的话,其中福田与南山的房源分布是最多的。但这两块地的房租十分不菲。

房租单价即 1 平方米 1 个月的价格。方块越大,代表价格越高:

可以看出福田与南山独占鳌头,分别是 114.874 与 113.483 ,是其他地区的几倍。如果以福田 20 平方的房间为例算一下每个月的开销:

福田 20 平方房间的租金:114.874 x 20 = 2297.48再来个两百的水电、物业:2297.48 + 200 = 2497.48我们节俭一点来算的话,每天早餐 10 块,中午 25 块,晚饭 25 块:2497.48 + 60 x 30 = 4297.48是的,仅仅是活下来就需要 3997.48 块。隔断时间下个馆子,每个月买些衣服,交通费,谈个女朋友,与女朋友出去逛街,妥妥滴加个 3500:4297.48 + 3500 = 7697.48给爸妈一人一千:7697.48 + 2000 = 9697.48

月薪一万妥妥变成了月光族。

如果在乡下没有寸土寸金的感觉,那么可以到北上广深体验一下,福田区每平方米每天需要 3.829 元。

户型方面主要以 3 室 2 厅与 2 室 2 厅为主。与小伙伴抱团租房是最好的选择了,不然与不认识的人一起合租可能会发生一系列让你不舒服的事情。字体越大,代表户型数量越多。

租房面积统计,其中 30 – 90 平方米的租房占大多数——所以,组团租房是最好的选择。

然后是租房描述词云,字体越大,标识出现的次数越多。其中【精装修】占据了很大的部分,说明长租公寓也占领了很大一部分市场。

爬虫思路

先爬取房某下深圳各个板块的数据,然后存进 MongoDB 数据库,最后再进行数据分析。

数据库部分数据:

/* 1 */

{

“_id” : ObjectId(“5b827d5e8a4c184e63fb1325”),

“traffic” : “距沙井电子城公交站约567米。”,//交通描述

“address” : “宝安-沙井-名豪丽城”,//地址

“price” : 3100,//价格

“area” : 110,//面积

“direction” : “朝南\r\n “,//朝向

“title” : “沙井 名豪丽城精装三房 家私齐拎包住 高层朝南随时看房”,//标题

“rooms” : “3室2厅”,//户型

“region” : “宝安”//地区

}

爬虫技术分析和代码实现

爬虫涉及到的技术工具如下:

请求库:requests

HTML 解析:Beautiful Soup

词云:wordcloud

数据可视化:pyecharts

数据库:MongoDB

数据库连接:PyMongo

首先右键网页,查看页面源码,找出我们要爬取的部分。

代码实现,由于篇幅原因只展示主要代码:(获取一个页面的数据)

数据分析:

数据展示:

不管怎样,最近房租的暴涨真得让人无能为力。应对外界条件的变动,我们还是应该提升自己的硬实力,这样才能提升自己的生存能力。

https://www.jianshu.com/p/9973a8b13246

Python量化投资网携手4326手游为资深游戏玩家推荐:《明日方舟基建干员技能盘点 ①(控制中枢、发电站、贸易站篇)

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论