可视化部分
背景
可视化使用了Pyecharts。
Pyecharts来自百度开源的一个可视化JS工具：Echarts，是纯粹由国人开发的一个Echarts与Python结合的轮子。可视化类型非常多，而且动态渲染效果炫酷。
需要了解Pyecharts的基础知识到配置到实际应用，官方文档（含官方中字）：
https://pyecharts.org/#/zh-cn/
分析过程：
首先获取链%家%的二手房数据集后，做简单的数据清洗，再查看价格的数据分布。数据分布并不符合正态分布，符合客观现实，继续分析。
-
先将行政区域和参考单价放入地理图二维Map中：
各行政区二手房房价统计
市内四区房价集中在2万上下，红色深浅代表的差异已经不明显了。金州和旅顺集中在1万上下。
反思： 因为地图中默认规格限制，高新区没有单独作为行政区域划分，而被并入甘井子区，而甘井子区区域又非常大，导致数据过于平均，不具有代表性，可以后续思考解决方法：a.换用别的地理区分划分更细致的库 b.用更小范围的区域划分（如小区，社区）来分析房价
- 用散点图描述各行政区房价和面积大小的分布情况
X轴对应平均房价，Y轴对应平均建筑面积，散点大小对应该行政区在售的二手房房源数量。甘井子区和沙河口的房源数量、均价差距不大。二手房数量相对其他区比较多，因为高新区从地理上归为差不多都有近18000套二手房，需求量大。中山区的房量不多，但价格和户型面积都是最大的，。金州的房子又便宜又大又多。除了西岗，其他符合客观事实。
3.行政区维度看完了，由于高新区被划入甘井子区，我们再向下细分，看看哪些块/区域的房源最多。
新建一个字典，将行政区域作为第一层key，将一个新字典作为第一层的value。新字典的key是区域，value是该区域的房源数量。
用矩形树图二级下钻的方式展示。颜色代表行政区，矩形面积代表数量多少。
房源量多的小区可以给购房者更多选择的空间，如果我要在高新园区的凌水附近购房，会优先选择到坦城或百合实地了解房屋装修等情况。
4.3D Map查看该小区平均房价
看完了小区房源量，最后再看看
由于链家网上对同一小区房源，所提供的经纬度一样。所以直接以小区名称，经纬度，和平均单价输入到map配置项中
精装房源关注人数最多，从侧面反映出买二手房者心理，即买即住。精装房源最多，毛胚最少房源，符合市场要求，因为是二手房数据
装饰情况的不同，Price_size（每平方）的单价也随着不同，符合市场的规律的，里面有装饰成本，所以单价也随着上升。
四者的总价的价格波动不大，落差在3000元/平，如时间条件允许建议购买毛胚房独立装修
(1)从各区的二手房数量来看，甘井子区的二手房数量相对其他区比较多，因为高新区从地理上归为差不多都有近18000套二手房，需求量大,
(2)从各区二手房均价来看，中山区最高，大约3万每平方米，中心区，寸土寸金，集合优秀的教育医疗资源，是老大连的心脏。其次是高新区，由于科技发展比较快，产业园比较多，吸引了大量外来人口。
