贝壳网武汉二手房数据分析———数据可视化

一、数据介绍：

数据来源于上篇文章获取的贝壳网近3000条二手房源数据
包括以下信息：

标题描述
楼盘信息
标签
总价
单价
楼层
建筑时间
户型
朝向
发布时间
关注人数

二、分析目的

1、了解武汉二手房屋信息概况；
2、探索小区、建房时间、房屋类型、面积、楼层、朝向等因素对房价的影响；

三、数据清洗

首先导入需要的工具包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
plt.style.use('ggplot')
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
plt.rcParams['axes.unicode_minus'] = False

加载数据

df = pd.read_csv('beike.csv',sep=',')
df.head()

image.png

可以看到获取的数据中，楼层、建筑时间、户型、面积和朝向在info数据列，关注人数和发布日期在followinfo列，
首先使用正则表达式对字符串进行处理，将关键信息分别提取到对应列。

df['area'] = df['info'].str.extract(r'([0-9]*\.?[0-9]*)平米')
df['floor']=df['info'].str.extract(r'(.楼层)')
df['year']=df['info'].str.extract(r'([0-9]*)年建')
df['housestyle']=df['info'].str.extract(r'([0-9]室[0-9]厅)')
df['orientation']=df['info'].str.extract(r'米\|(.*)$')
df[['followinfo','time']] = df['followinfo'].str.split('|',expand=True)
df['follow']=df['followinfo'].str.extract(r'([0-9]*)')
df=df.drop(['info','followinfo'],axis=1)
df.head()

将需要的字段分别展示出来，再看就比较清晰了

image.png

df.info()

image.png

df.isnull().sum()

image.png

观察数据：
1、面积和关注人数需要转换为数字格式，方便后续计算；
2、有490套房源没有标签信息，292套房源没有标记建筑时间，缺失量较大，可能会影响后面的结果展示，暂时不做处理。

df.describe()

数据概况：

image.png

房屋总价最高4800万，最低11万，均价180万，中位数158万，极值较大，对均值有一定影响，需剔除；
单价最高9万/平方米，最低3千/平方米，均价1.8万，中位数1.7万；
面积最大509平方米，最小12平方米，面积平均数为95，中位数为90；
贝壳网用户中，最热门房源有474人关注。

#看一下最贵和最受关注的房子
df.loc[df['follow']==474]

最受关注的房源：

image.png

最受关注的房源，面积和价格都在均值之下

df.loc[df['totalprice']==4800]

总价最高的房源：

image.png

武汉天地是房屋总价极值最高的小区

观察房价数据整体分布：

plt.rcParams['figure.figsize']=(10,9)
fig, axes = plt.subplots(1, 2)
fig.subplots_adjust(wspace=0.5)  #为子图保留宽度
df.boxplot(column="totalprice", ax=axes[0])
df.boxplot(column="unitprice", ax=axes[1])
plt.show()

总价和单价线箱图：

image.png

二手房总价和单价均有个别极值，分析数据时将房价大于1000万或单价大于4万/平米归为异常值。

house = df[(df.totalprice<=1000) & (df.unitprice<=40000)]
house.shape
#(2954, 12)

剔除极值后，共有2954套房源数据

四、分析数据

1、武汉二手房概况

house.describe()

image.png

房屋总价最高930万元，最低11万元，总价均值172万元，中位数158万元；
房屋单价最高39892元/平方米（已剔除），最低3095元/平方米，均值17819元/平方米，中位数与均值接近；
面积最大320平方米（已剔除），最小12平方米，平均数为95平方米，中位数为91平方米。

2、房屋单价影响分析
（1）小区

location_price = house.groupby(['location']).agg({'unitprice':'mean'})
location_price.describe()

image.png

sns.distplot(location_price['unitprice'])

image.png

数据中共有1141个小区，单价均值最高的达到39722元/平米，最低的均价3521元/平米，差距很大；
单价15000-20000元/平方米的小区数量最多，35000左右的数量最少。
（注意：这里有个问题未解决，数据中小区分组不准确，未将同盘不同期进行合并）

location_rank = location_price.sort_values('unitprice',ascending=False)
location_rank.head(10)

单价排名前十的小区名单：

image.png

location_rank.tail(10)

单价排名后十位的小区名单:

image.png

分析：

可以看出不同小区的房价差别比较大

房屋单价最高的五个小区分别是：复地东湖国际、华润置地公馆、桃山村、万达御湖世家、常阳永清城，价格在37000-40000元/平方米；
单价最低的五个小区是：武汉SOHO、江景花园、汉口北1号公馆、怡馨花园、锦绣家园，价格在3500-5000元/平米；

（2）建房时间

#只有两套房源建造日期是2020年，这里将他们剔除
year_price = house.loc[df['year']!='2020'].groupby(['year']).agg({'unitprice':'mean'})
plt.xticks(rotation=270)
plt.rcParams['figure.figsize']=(5,10)
sns.lineplot(x=year_price.index,y='unitprice',data=year_price)

image.png

分析

可以看出，建房时间对房价有一定影响，其中：

1994年建造的楼房销售均价最高，在20000元/平米以上；(经检查94年只有9套房源，样本量过少，这里的结果不够准确）
1994年之前的房屋均价相对较低，其中1991年建造的楼房交易均价最低，在11000元/平米左右；
1994-1999年随着建房年份的增加，房屋均价呈下跌趋势，1999-2008年，随着建房年份的增加，房价呈上涨趋势，后续年度房价变化此起彼伏。

（3）房屋类型

housestyle_price = house.groupby(['housestyle']).agg({'unitprice':'mean'})
housestyle_price.describe()

image.png

sns.barplot(x=housestyle_price.index,y='unitprice',data=housestyle_price)

image.png

分析：

户型对房价有一定的影响

4室和5室的房屋均价大部分高于其他户型，其中4室3厅和5室2厅户型均价最贵，为21800元/平米左右；
相同厅数，卧室数量5个以内时，随着卧室数量的增加，房屋单价基本呈上升趋势，超过5个时，则情况相反。
相同卧室数量的房屋，随着厅数的增加，房屋单价也呈上升趋势；

发现的问题：

数据显示5室3厅均价最低，为13000元/平米左右，经过检查发现此户型只有两个样本数据，统计值不准确；
3室3厅价格也偏低，经过检查发现此户型只有一个样本数据，统计值同样不准确；

（4）面积

house['area'].describe()

image.png

#房屋面积最小为12平方米，最大509平方米，均值95平方米，75%在109平米以内
#根据面积的分布设置（10，50],(50,80],(80,100],(100,130],(130,510] 5个区间
bins=[10,50,80,100,130,510]
area_price=house.groupby(pd.cut(house['area'],bins)).agg({'unitprice':'mean'})
area_price=area_price.reset_index()
a = sns.barplot(x='area',y='unitprice',data=area_price)
for index,value in enumerate(area_price.unitprice):
    a.text(index,value+100,round(value,2),ha="center")

image.png

分析：

如图可见，房屋面积与销售单价成正向相关，房屋面积越大，房屋单价均值越高；
50平方米以下的房屋均价15441元/平方米；
130平方米以上的房屋均价20328元/平方米；

（5）楼层

floor_price = house.groupby(['floor']).agg({'unitprice':'mean'})
floor_price.describe()

image.png

floor_price=floor_price.reset_index()
plt.rcParams['figure.figsize']=(8,5)
a = sns.barplot(x='floor',y='unitprice',data=floor_price)
for index,value in enumerate(floor_price['unitprice']):
        a.text(index,value+100,round(value,2),ha="center")

image.png

a = house[['floor','unitprice']].set_index('floor')
a['低楼层']=a['unitprice']
a['中楼层']=a['unitprice']
a['高楼层']=a['unitprice']
a.loc[['中楼层','高楼层'],['低楼层']]=np.nan
a.loc[['低楼层','高楼层'],['中楼层']]=np.nan
a.loc[['低楼层','中楼层'],['高楼层']]=np.nan
a = a.reset_index()
a.drop(['unitprice','floor'],axis=1,inplace=True)
plt.rcParams['figure.figsize']=(5,5)
sns.boxplot(data=a)

image.png

线箱图可以更直观的看出不同楼层房屋单价的对比

分析：

低楼层销售均价最高，为18241元/平米,单价中位数也最高；
高楼层销售均价最低，为17318元/平米，中楼层居中，为17922元/平米；
剔除离群点，中楼层的房屋单价最大值是三种类型中价格最高的，最小值也是三种类型中价格最低的，房屋单价差值范围最大，高楼层的房屋单价价差范围最小；
低楼层和中楼层房屋单价上四分位数值相近，高楼层相对较低。

（6）朝向

orientation_price = house.groupby(['orientation']).agg({'unitprice':'mean'})
orientation_price.describe()

image.png

plt.xticks(rotation=270)
orientation_price.sort_values('unitprice',ascending=False,inplace=True)
sns.barplot(x=orientation_price.index,y='unitprice',data=orientation_price)

image.png

存在的问题：数据源朝向分类比较零散，这里自变量类别过多，未做合并同类

分析：

可以看出不同朝向房价差别较大

朝向西南北的房屋均价最贵，为36985元/平米，其次是东西北，为31400元/平米
朝向分类为南北东北的房屋均价最便宜，为13189元/平米
原因推测为西北方向房屋阳光最为充足，南东朝向接受阳光最少

（7）房屋标签

house['tag'].value_counts().plot.pie(autopct='%1.1f%%')

image.png

tag_price=house[['tag','unitprice']]
sns.stripplot(x='tag',y='unitprice',data=tag_price)

image.png

分析：

房屋标签中，51%的房源有近地铁的标记；
房屋价格较高的区域（35000-40000）主要出现在近地铁房源中；
（存在的问题：采集数据时并未将每个房源所有标签获取出来，数据可靠性和可比性不高，暂不做进一步分析。）

五、总结：

1、武汉市二手房基本情况：

房屋总价最高4800万，最低11万，总价均值为172万元；
单价最高9万/平方米，最低3千/平方米，单价均值为1.78万元/平方米；
面积最大509平方米，最小12平方米，平均数为95平方米；

2、二手房单价情况分析：
（1）小区情况

不同小区之间房屋价格差距较大
房屋总价极值最高的小区是武汉天地，单价均值最高的小区是复地东湖国际；
房屋单价均值最低的楼盘是武汉SOHO公寓楼；
单价在15000-20000元/平方米的小区数量最多。

（2）建房时间

1994年之前的房屋均价相对较低，其中1991年建造的楼房交易均价最低，在11000元/平米左右；
1994-1999年随着建房年份的增加，房屋均价呈下跌趋势；
1999-2008年，随着建房年份的增加，房价呈上涨趋势，后续年度房价变化此起彼伏；
整体来看，近10年建造的房屋单价高于往年建造的房屋单价。

（3）房屋类型

卧室数量4-5个的房屋均价大部分高于其他户型，其中4室3厅和5室2厅户型均价最贵，为21800元/平米左右；
相同厅数，随着卧室数量的增加，房屋单价基本呈上升趋势；
相同卧室数量的房屋，随着厅数的增加，房屋单价也呈上升趋势。

（4）面积

房屋面积与销售单价成正向相关，房屋面积越大，房屋单价均值越高；
50平方米以下的房屋均价15441元/平方米；
130平方米以上的房屋均价20328元/平方米。

（5）楼层

低楼层单价均值最高，为18241元/平米；中楼层居中，高楼层单价均值最低，为17318元/平米；
中间楼层的房屋单价波动范围最大，最大值是三种类型中价格最高的，最小值也是三种类型中价格最低的；

（6）朝向

朝向西南北的房屋均价最贵，为36985元/平米，其次是东西北；
朝向分类为南东的房屋均价最便宜，为13189元/平米；
原因推测为西北方向房屋阳光最为充足，南东朝向接受阳光最少。

（7）标签

房屋标签中，51%的房源有近地铁的标记；
房屋价格较高的区域（35000-40000元/平方米）主要出现在近地铁房源中，是否有地铁，对房价影响较大。

3、出现的问题：

数据量较小，在进行情况分组时，有个别组数据出现样本量过小情况，导致统计结果不准确；
小区、朝向的分组有误，未合并同类项，标签数据采集不完整，数据可靠性和可比性不高。