因为对好友搬家的原因，对珠海房租产生一定的兴趣，想要研究分析一下珠海的房租情况。
首先需要写一个收集数据的函数，从租房网站上爬去房源房租信息。将爬取下来的数据进行清洗，整合，然后再进行分析。
本次分析使用Python，用到的库有pandas库,numpy库，re库，BeautifulSoup库，requests库。
1、收集房源链接
设计函数makepage(n1,n2)。makepage(n1,n2)函数的功能是输入n1,n2，收集从第n1页到第n2页的房源链接，返回有房源连接的列表。
1.png
image.png
2、收集房源的具体信息
设计getHouse(url)函数，主要是将从makepage(n1,n2)函数收集到的房源链接上，获取房源的详细信息，例如房租，房子所在区域，房子面积等信息。
然后通过for循环，将makepage(n1,n2)函数收集到的房源链接一个个提取出来，使用getHouse(url)函数获取房子信息，然后将获取的信息放到一个空列表(houselist)里，然后用pandas库的pandas.DataFrame(houselist)，将数据表格化呈现。
3.png
4.png
5.png
3、清洗数据
数据被我们采集下来是非常混乱的，有些字段的的数据有着很多的空缺值，根据我们采集下来的数据字段，有65个字段，其中有很多楼层字段，例如：楼层（共10层）、楼层（共12层）。同时由于标题是不可能出现缺失值的，如果标题出现了缺失值，那就证明表格这一行数据都出现了缺失了。
使用df['标题'].notnull()，排除整行的缺失值。
7.png
4、将楼层数据汇集成一列，删掉关于楼层的多余列，从数据的缺失度，以及重要性来看，小区介绍，户型介绍，服务介绍,房源亮点，周边配套所在小区可以清洗掉,然后将床、空调、宽带、暖气、冰箱、电视、洗衣机、热水器合并成一列，再清洗相关字段
8.png
9.png
5、尽管将数据清洗了，但是数据里仍然包含了部分不需要的字段，而且数据排列很杂乱和不美观，而且想把建筑面积数值、所在区域和抵押方式提取出来。这里使用到strip(),split()以及正则表达式，来提取数据。
10.png
11.png
6、数据清洗完后，我们就来进行数据分析。
首先进行描述性分析
12.png
根据描述分析，中位数和均值，出现较大差距，证明租金和建筑面积都有极值出现，而且标准差和均值的差距较大，说明数据比较离散，存在极值。通过散点图、租金和建筑面积直方图得出，租金出现一个极值25000元，建筑面积出现2个极值300平米。
13.png
14.png
7、现在来看一下各个区域的房源数量和平均数据分别是多少，从图中可以看出平均房租租金收费高的前五地区是南屏、吉大、新香洲、唐家湾和兰埔，同时房源数量 前五的区域分别是南屏、新香洲、吉大、唐家湾和前山
15.png
16.png
8、建立箱形图，图像化每个区域的房租分布。根据图中显示，分布比较均衡的区域是红旗、老香洲，三灶、唐家湾、南屏、夏湾、新香洲、湾仔、白藤头以及吉大房租租金都有极值出现，吉大甚至出现了整个数据极值25000块.
17.png
9、根据文章标题，建立词云图。词云图根据词语在标题中出现的频率，对词语进行统计描绘，字体大小决定该词汇在整个文本的权重。从图中可知，权重前3的词语分别是“精装”、“家电 齐全”和“家私 家电”。
1.png
pp1.jpg
2.png
由于采集的数据量较少，只有500多条，不能代表珠海整体的租房情况，仅供参考。
