上海哪里学python_小白学python

一年前，为了喜欢的他，我来到了上海。两人三餐四季，过着幸福的小日子，现在我们想着安定下来，在上海安①个家。有了这个想法以后，我们听到了很多关于#上海房价很高#的声音，我不想放弃，决定自学python通过数据科学的办法了解上海房价的真面目。

分析框架如下：网页爬虫：获取上海新房的相关信息

数据清洗：处理异常值

分析上海以及上海周边各价位的新房源分布情况

分析上海各区域的新房源分布情况和价格水平

分析上海新房源价格和格局的关系

小结

一．网页爬虫：获取上海新房的相关信息

通过python获取上海新房的相关信息，如下：

一共有8个变量：House_name：小区名称

total_price：总价

unit_price：单价

House_Area：城区xi'm

House_Com：镇\街道

House_Street：门牌

House_Pattern：室

House_Square：面积

二．数据清洗：处理异常值

csv_data = pd.read_csv('E:/test/result.csv',encoding='gb18030') # 读取网页爬取的数据

print(csv_data.shape) # (836, 8)

#价格显示为“价格待定”时置零

def solve(x):

if x=='价格待定':

return 0

else:

return x

csv_data['unit_price'] = csv_data['unit_price'].apply(solve)

#单价等于0[异常值]或者小于10000元[异常值：总价和单价混了]的行删除

csv_data = csv_data[csv_data['unit_price']!=0]

csv_data['unit_price']=csv_data['unit_price'].astype(float)

csv_data = csv_data[csv_data['unit_price']>10000]

三．分析上海以及上海周边各价位的新房源分布情况

1.上海各价位的新房源分布情况

csv_data_sh = csv_data[csv_data['House_Area']!='上海周边']

csv_data_shzb = csv_data[csv_data['House_Area']=='上海周边']

bins=[10000,20000,30000,40000,50000,60000,70000,80000,90000,100000,110000,120000,130000,

140000,150000,160000,170000,180000,190000,200000]

csv_data_sh['quartiles'] = pd.cut(csv_data_sh.unit_price, bins)

df_cnt_sh=csv_data_sh.groupby("quartiles")["quartiles"].count()

print(df_cnt_sh)

df_cnt_sh.plot(kind='bar',color=['#9999ff'],alpha=0.7,figsize=(12,6),fontsize=12)

plt.title('上海市各价位新房数量',FontSize=20)

plt.ylabel('数量(套)',FontSize=15)

plt.xlabel('价格分段(元/平方米)',FontSize=15)

plt.grid(True,axis="y",alpha=0.5)

plt.xticks(rotation=45)

x=np.arange(19)

y=np.array(list(df_cnt_sh))

for a,b in zip(x,y):

plt.text(a,b,"%.0f"%b,ha='center',va='bottom',FontSize=10)

plt.show()

可见，上海新房源的单价主要集中在[2w，6w]元/平方米，其中，[3w，4w]元/平方米的新房源最多。

2.上海周边各价位的新房源分布情况

bins = [10000,20000,30000,40000,50000,60000,70000]

csv_data_shzb['quartiles'] = pd.cut(csv_data.unit_price, bins)

df_cnt_shzb=csv_data_shzb.groupby("quartiles")["quartiles"].count()

print(df_cnt_shzb)

df_cnt_shzb.plot(kind='bar',color=['#9999ff'],alpha=0.7,figsize=(12,6),fontsize=12)

plt.title('上海周边各价位新房数量',FontSize=20)

plt.ylabel('数量(套)',FontSize=15)

plt.xlabel('价格分段(元/平方米)',FontSize=15)

plt.grid(True,axis="y",alpha=0.5)

plt.xticks(rotation=45)

x=np.arange(7)

y=np.array(list(df_cnt_shzb))

for a,b in zip(x,y):

plt.text(a,b,"%.0f"%b,ha='center',va='bottom',FontSize=10)

plt.show()

可见，上海周边（昆山、无锡等）新房源的单价主要集中[1w，3w]元/平方米，其中，[1w，2w]元/平方米的新房源最多。

四．分析上海各区域的新房源分布情况和价格水平

1.上海各区域的新房源分布情况

df_cnt=csv_data_sh.groupby("House_Area")["House_name"].count().sort_values(ascending=False)

print(df_cnt)

df_cnt.plot(kind='bar',color=['#9999ff'],alpha=0.7,figsize=(12,6),fontsize=12)

plt.title('上海市各区域新房数量',FontSize=20)

plt.ylabel('数量(套)',FontSize=15)

plt.xlabel('',FontSize=15)

plt.grid(True,axis="y",alpha=0.5)

plt.xticks(rotation=45)

x=np.arange(17)

y=np.array(list(df_cnt))

for a,b in zip(x,y):

plt.text(a,b,"%.0f"%b,ha='center',va='bottom',FontSize=10)

plt.show()

可见，黄浦、长宁、虹口、徐汇、静安、杨浦、普陀等比较接近市中心的城区，由于土地资源不足，房源饱和，能释放的新房房源极少。浦东、青浦、嘉定城区的新房源数量比较接近，新房房源比较充足；奉贤、松江、宝山、闵行城区的新房源数量比较接近，新房房源次之。

2.上海各区域的新房源价格水平

df_price_mean=csv_data_sh.groupby("House_Area")["unit_price"].mean().to_frame()

print(df_price_mean)

df_price_max=csv_data_sh.groupby("House_Area")["unit_price"].max().to_frame()

print(df_price_max)

df_price_min

=csv_data_sh.groupby("House_Area")["unit_price"].min().to_frame()

print(df_price_min)

df_price = pd.concat([df_price_mean,df_price_max,df_price_min],axis=1)

df_price.columns = ['mean','max','min']

df_price.plot(kind='bar',color=['#9999ff','#ff9999','#fff999'],alpha=0.7,figsize=(12,6)

,fontsize=12)

plt.title('上海市各区域新房平均价格',FontSize=20)

plt.ylabel('价格(元/平方米)',FontSize=15)

#plt.xlabel('区域',FontSize=15)

plt.grid(True,axis="y",alpha=0.5)

plt.xticks(rotation=45)

plt.show()

可见，黄浦、长宁、虹口、徐汇、静安、杨浦、普陀等比较接近市中心的城区的单价均价较高，其单价均价在10w元/平方米左右，属于第一梯队。浦东、闵行、宝山、青浦、松江等城区的单价均价次高，其单价均价在5w元/平方米左右，属于第二梯队。嘉定、奉贤、崇明、金山等城区的单价均价较低，其单价均价在3w元/平方米左右，属于第三梯队。

3.上海价格top15的小区

df_price_mean_h=csv_data_sh.groupby(["House_Area","House_name"])["unit_price"].mean().head(15)

print(df_price_mean_h)

df_price_mean_h.plot(kind='bar',color=['#9999ff'],alpha=0.7,figsize=(12,6),fontsize=12)

plt.title('上海市房价top15小区',FontSize=20)

plt.ylabel('价格(元/平方米)',FontSize=15)

plt.xlabel('',FontSize=15)

plt.grid(True,axis="y",alpha=0.5)

plt.xticks(rotation=45)

x=np.arange(15)

y=np.array(list(df_price_mean_h))

for a,b in zip(x,y):

plt.text(a,b,"%.0f"%b,ha='center',va='bottom',FontSize=10)

plt.show()

4.上海价格under15的小区

df_price_mean_l=csv_data_sh.groupby(["House_Area","House_name"])["unit_price"].mean()

.sort_values(ascending=True).head(15)

print(df_price_mean_l)

df_price_mean_l.plot(kind='bar',color=['#9999ff'],alpha=0.7,figsize=(12,6),fontsize=12)

plt.title('上海市房价under15小区',FontSize=20)

plt.ylabel('价格(元/平方米)',FontSize=15)

plt.xlabel('',FontSize=15)

plt.grid(True,axis="y",alpha=0.5)

plt.xticks(rotation=45)

x=np.arange(15)

y=np.array(list(df_price_mean_l))

for a,b in zip(x,y):

plt.text(a,b,"%.0f"%b,ha='center',va='bottom',FontSize=10)

plt.show()

五．分析上海新房源价格和格局的关系

df_price_gj=csv_data_sh.groupby("House_Pattern")["unit_price"].mean()

print(df_price_gj)

df_price_gj.plot(kind='bar',color=['#9999ff'],alpha=0.7,figsize=(12,6),fontsize=12)

plt.title('上海市各格局新房平均价格',FontSize=20)

plt.ylabel('价格(元/平方米)',FontSize=15)

plt.xlabel('格局(室)',FontSize=15)

plt.grid(True,axis="y",alpha=0.5)

plt.xticks(rotation=45)

x=np.arange(7)

y=np.array(list(df_price_gj))

for a,b in zip(x,y):

plt.text(a,b,"%.0f"%b,ha='center',va='bottom',FontSize=10)

plt.show()

可见，在上海新房源里，新房为7室的单价均价最高，其单价均价在8.7w元/平方米左右；紧接着，新房为4-6室单价均价次高，其单价均价在6.5w元/平方米左右，最后，新房为1-3室单价均价次最低，其单价均价在5.3w元/平方米左右。

六．小结

通过一系列分析可以看到：上海市中心城区的新房房价偏高，此外，房源饱和无太多空缺；哈哈，家里有矿的朋友可以下手，如果刚毕业几年且靠自己的朋友，建议往下看~

嘉定、奉贤、崇明、金山等上海较偏远区域的新房源充足，单价均价在3w元/平方米左右，比较适合刚毕业几年且靠自己，在上海努力打拼的小年轻。配置小汽车可以解决上班路途遥远的问题，也许会比较辛苦，但可以一起努力待到财富积累到某个水平的时候，卖旧房换更好的新房哦。

如果主要是小两口过日子，建议考虑房型为1-3室。其次，房子格局的价格梯度和租房的情况类似，1房的户型很少，价格偏高。因此，更推荐2-3室，哈哈。

不足之处：

由于爬虫取得的相关信息并不是特别充足，分析结果还有待校正。

后记：

花了一周的时间自学python，从爬虫到数据清洗到数据分析，说实话，敲代码的时候真的有点抓狂，各种奇怪的bug，一点点百度搜索一点点处理，但总算揭开了上海房价的神秘面纱，而不是道听途说。这次分析还是能帮我们更好的定位我们的目标，我相信自己，也相信我的另一半。有目标才能更好的努力，问题再多但解决问题的方法也很多，不是吗？

我想，在繁华的大上海，和我们一样努力着奋斗着的小年轻应该很多吧。让我们一起努力吧~相信明天会更好~加油！

上海哪里学python_小白学python_上海房价知多少相关推荐

小白学vb还是python_小白学 Python 爬虫（30）：代理基础
人生苦短,我用 Python 前文传送门: 小白学 Python 爬虫(1):开篇小白学 Python 爬虫(2):前置准备(一)基本类库的安装小白学 Python 爬虫(3):前置准备(二)Li ...
class参数传入 python_小白学 Python 爬虫（20）：Xpath 进阶
人生苦短,我用 Python 如果我的文章对您有帮助,请关注支持下作者的公众号:极客挖掘机,您的关注,是对小编坚持原创的最大鼓励:) 前文传送门: 小白学 Python 爬虫(1):开篇小白学 Py ...
同花顺python_小白学 Python 爬虫（25）：爬取股票信息
人生苦短,我用 Python 如果我的文章对您有帮助,请关注支持下作者的公众号:极客挖掘机,您的关注,是对小编坚持原创的最大鼓励:) 前文传送门: 小白学 Python 爬虫(1):开篇小白学 Py ...
从小白到精通python要多久-零基础如何学Python?小白学Python需要多久?
目前市场上对于Python开发人才的需求与日递增,所以很多人都会选择去学Python.那如果是零基础又该如何学Python呢?小白学Python需要多久呢?下面,小编就与大家来看一下! 零基础的新手应 ...
计算机小白学UI,小白学UI设计有什么技巧?看完这些你就明白了
原标题:小白学UI设计有什么技巧?看完这些你就明白了随着互联网的快速发展,UI设计师成为近年来的职场新贵,不断增加的薪资让很多人羡慕不已,想要加入UI设计行业的人不断增多.对于小白来说,在UI设计学 ...
零基础学python要多久-零基础如何学Python?小白学Python需要多久?
目前市场上对于Python开发人才的需求与日递增,所以很多人都会选择去学Python.那如果是零基础又该如何学Python呢?小白学Python需要多久呢?下面,小编就与大家来看一下! 零基础的新手应 ...
绘制条形图python_小白学Python（13）——pyecharts 绘制柱状图/条形图 Bar
Bar-基本示例 1 from example.commons importFaker2 from pyecharts importoptions as opts3 from pyecharts.ch ...
先学c 还是先学java_小白学编程语言一开始先学c还是java?
对于小白来说.为了找工作,学 Java 对于大一新生,我推荐从C学起,后期在选择JAVA 1.建议新手学java,Java比c简单,c有很多的细节需要你掌握,比如指针,内存分配,内存释放等这些细节概念 ...
【小白学PyTorch】17.TFrec文件的创建与读取
[机器学习炼丹术]的学习笔记分享 <<小白学PyTorch>> 小白学PyTorch | 16 TF2读取图片的方法小白学PyTorch | 15 TF2实现一个简单的服装分 ...

上海哪里学python_小白学python_上海房价知多少

上海哪里学python_小白学python_上海房价知多少相关推荐

最新文章

热门文章