对利用Python爬取到的房价信息做数据可视化(附完整代码)

      大家好,我是带我去滑雪,每天教你一个小技巧!

  1、数据展示   

本文利用Python爬取到的房价信息做数据可视化,爬取数据的文章见:

利用Python爬取房价信息(附代码)_用python爬取房价数据_带我去滑雪的博客-CSDN博客

      所爬取的指标有小区名称、房屋位置、房屋户型、房屋面积、房屋朝向、房屋装修情况、有无电梯、楼层位置、附件有无地铁、关注度人数、看房次数、每平方米价格、房屋总价等指标,具体数据展示见表1,表2。

表1 python爬取数据展示(一)

编号

标题

小区名称

房屋位置

房屋户型

房屋面积(m2

房屋朝向

1

鸿城花园 精致两房 南向高楼层

鸿城花园

市桥

2室2厅

78.6

西南

2

岭南新世界 带空中花园实用

岭南新世界

白云大道北

4室2厅

98

西南

3

隆康花园 2室1厅 255万

隆康花园

白云大道南

2室1厅

58.1

西南

4

南北对流 楼层好 视野宽阔 采光充足

荷景花园一区

沙湾

4室2厅

118

东南

 

表2 python爬取数据展示(续一)

编号

房屋装修情况

有无电梯

楼层位置

附近有无地铁

关注度(人数)

看房次数

每平方米价格(元)

房屋总价(万元)

1

其他

有电梯

高楼层

有地铁

58

14

26718

210

2

其他

有电梯

低楼层

有地铁

2337

18

44184

433

3

简装

有电梯

中楼层

有地铁

25

18

43890

255

4

精装

无电梯

中楼层

无地铁

2106

6

16526

195

5

简装

无电梯

高楼层

无地铁

1533

7

15354

150

6

简装

有电梯

中楼层

有地铁

47

5

49164

570

2、数据预处理

       数据预处理是指在数据集中发现不准确、不完整或者不合理的数据,通过数据预处理,对这些数据进行一定的去重、修补、纠正或移除,将原始数据转化成分析算法适用的形式,以此提高数据质量。由于爬取的数据中包含类别型数据,为了方便后面数据分析,本文对分类型数据进行了分别赋值,处理后的变量表见表3,处理后的数据集部分见表4。

表3 变量表

属性

解释

类型

变量名

WSSL

房屋的卧室数量(个)

连续值

x1

KTSL

房屋的客厅数量(个)

连续值

x2

MJ

房屋面积(平方米)

连续值

x3

FWZXQK

房屋装修情况

离散值,0=其他;1=毛坯;2=简装;3=精装

x4

YWDT

有无电梯

离散值,0=无电梯;1=有电梯

x5

LCWZ

房屋所在楼层位置

离散值,0=低楼层;1=中楼层;2=高楼层

x6

FJYWDT

房屋附近有无地铁

离散值,0=无地铁;1=有地铁

x7

GZD

关注度(人次)

连续值

x8

KFCS

看房次数

连续值

x9

PRICE

每平方米价格(元)

连续值

y

TOTAL PRICE

房屋总价(万元)

连续值

y1

表4 经过数据预处理后的数据集

编号

x1

x2

x3

x4

x5

x6

x7

x8

x9

y

y1

1

2

2

78.6

0

1

2

1

58

14

26718

210

2

4

2

98

0

1

0

1

2337

18

44184

433

3

2

1

58.1

2

1

1

1

25

18

43890

255

4

4

2

118

3

0

1

0

2106

6

16526

195

5

3

1

97.7

2

0

2

0

1533

7

15354

150

6

3

2

115.94

2

1

1

1

47

5

49164

570

7

3

2

102.72

2

1

0

1

80

19

61332

630

8

3

2

102.72

2

1

0

1

80

19

61332

630

9

2

2

73.3

2

1

0

1

873

21

42292

310

10

3

2

92

2

1

1

0

64

14

22066

203

2981

2

1

80.3

2

1

1

1

8

0

46700

375

2982

2

2

64.81

2

1

1

1

2

0

41352

268

2983

2

1

57.26

0

0

0

1

0

0

41041

235

2984

2

1

75.38

2

1

2

0

0

0

39799

300

3、数据分析

3.1 词云分析

        词云是文本大数据可视化的一种重要方式,该方法可以将文本信息中重复出现的词语进行高亮展示,使浏览文本信息的人们可以一眼看到关键信息。本文利用python对表1中的标题文本信息进行词云分析,输出结果见图1所示。

6a686c46b8ef4c0b95b711fe939ef2ce.png

       通过图1可以发现,在某网站上所挂楼房标题词中最多的是中间楼层、精装修、看房方便、采光好、近地铁、楼层好等字样,说明可能具有这些特点的房子更能吸引买家的注意,进而影响房屋的价格。

绘制词云图

import pandas as pd

file = open(r’\title.xlsx’,’rb’)

data = pd.read_excel(file)

data.columns

title = data[‘标题’]

import numpy as np

import os

lis =  np.array(title)

lis = lis.tolist()

lis[:5]

str1 = “”.join(lis)

item_main = str1.strip().replace(‘span’,”).replace(‘class’,”).replace(’emoji’,”).replace(‘ ‘,”)

def save_fig(fig_id, tight_layout=True):

    path = os.path.join(r” E:\工作\硕士\学习\统计软件python\期末作业”, fig_id + “.png”)

    print(“Saving figure”, fig_id)

    if tight_layout:

        plt.tight_layout()

    plt.savefig(path, format=’png’, dpi=300)

import jieba

wordlist = jieba.cut(item_main,cut_all=True)

word_space_split =” “.join(wordlist)

type(word_space_split)

import matplotlib.pyplot as plt

from wordcloud import WordCloud,ImageColorGenerator

import PIL.Image as Image

coloring = np.array(Image.open(r’\Desktop\图片.jpg’))

my_wordcloud = WordCloud(background_color=’white’,max_words=200,mask=coloring,max_font_size=60,random_state=42,

scale=2,font_path=r’C:\Windows\Fonts\simkai.ttf’).generate(item_main)

image_colors = ImageColorGenerator(coloring)

plt.imshow(my_wordcloud.recolor(color_func=image_colors))

plt.imshow(my_wordcloud)

plt.axis(‘off’)

save_fig(‘my_wordcloud_fangjia’)

plt.show()

3.2 描述性分析

        利用python对搜集到的数据进行描述性分析,为了更加清晰的展示数据,分别绘制了饼图、条形图、嵌套环形图等图形,绘制图形的python代码见附件,其结果见图2、图3、图4、图5、图6所示。

ffb5c17893a64ebdad194fb3d620ba47.png

ab80c1bcd9fd4c77bd87505fe1ad9c6e.png

84cfe3ef3baf44089d92dc9a562a8393.png

5390367cc13c4bfb8c1e6a269c2f5fb7.png

 3.3 相关性分析

    (1)房屋面积与房屋总价

a3525e4605294b50a182fa2ed897419e.png

    (2)房屋总价与关注度人数

27440b8b3af641abb3c0223b957c167f.png

    (3)房屋卧室个数与房屋总价

fed173309aa04fc998294436a7fc297e.png

 

图2房屋装修情况占比饼状图

import numpy as np

import matplotlib.pyplot as plt

data = pd.read_csv(r”E:\工作\硕士\学习\统计软件python\期末作业\qxhsj.csv”)

plt.rcParams[‘font.sans-serif’] = [“Fangsong”]

plt.rcParams[‘axes.unicode_minus’] = False

# 设置画布大小

plt.figure(figsize=(12,6))

figure,axes = plt.subplots(1,1,figsize = (6,6),dpi = 120)

# 构造数据

y = [1139,33,891,921]

label=[“其他”, “毛坯”, “简装”, “精装”]

# 绘图

plt.pie(y,

        labels=label, #

        autopct=’%.2f%%’, # 让标签以百分比形式显示,且精确到两位小数

        labeldistance = 1.1,

        pctdistance = 0.9,

#         shadow = True,

        radius = 1, 

        startangle = 90, 

        counterclock = False 

       )

plt.title(“房屋装修情况占比”,fontsize = 12)

plt.savefig(r”E:\工作\硕士\学习\统计软件python\matplotlib饼图.jpg”, format=”png”)

# 可视化呈现

plt.show()

图3房屋所在楼层位置比例饼状图

import numpy as np

import matplotlib.pyplot as plt

data = pd.read_csv(r”E:\工作\硕士\学习\统计软件python\期末作业\qxhsj.csv”)

plt.rcParams[‘font.sans-serif’] = [“Fangsong”]

plt.rcParams[‘axes.unicode_minus’] = False

plt.figure(figsize=(12,6))

figure,axes = plt.subplots(1,1,figsize = (6,6),dpi = 120)

y = [806,1143,1036]

label=[“低楼层”, “中楼层”, “高楼层”]

plt.pie(y,

        labels=label,

        autopct=’%.2f%%’,

        labeldistance = 1.1,

        pctdistance = 0.9,

#        shadow = True,

        radius = 1, 

        startangle = 90, 

        counterclock = False 

       )

plt.title(“房屋所在楼层位置比例”,fontsize = 12)

plt.savefig(r”E:\工作\硕士\学习\统计软件python\matplotlib饼图.jpg”, format=”png”)

plt.show()

图4房源朝向分布情况

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams[‘font.family’]=’KaiTi’

plt.figure(dpi=120)

provinces=[‘东’, ‘南’, ‘西’, ‘北’, ‘东南’,’东北’, ‘西南’, ‘西北’]

gdp=[250, 1137,169, 768, 432,237,222,160]

plt.barh(provinces[::-1],gdp[::-1],height=0.5)

plt.title(‘房源朝向分布情况’)

plt.grid(axis=’x’,ls=’–‘,alpha=0.4)

plt.xlim(0,1200)

for i,j in enumerate(gdp[::-1]):

    plt.text(j+0.05,i,j,va=’center’)

plt.xlabel(‘数量’)

plt.ylabel(‘朝向’)

plt.savefig(r”E:\工作\硕士\学习\统计软件python\matplotlib条形图.jpg”,format=”png”)

plt.show()

图5 房屋户型与房屋附近有无地铁的嵌套环形图

import pyecharts.options as opts

from pyecharts.charts import Pie

inner_x_data = [“有地铁”, “无地铁”]

inner_y_data = [1548, 1436]

inner_data_pair = [list(z) for z in zip(inner_x_data, inner_y_data)]

outer_x_data = [‘ 1室0厅 ‘,  ‘2室1厅’, ‘2室2厅’, ‘3室1厅’ ‘1室1厅’, ‘3室2厅’,’1室2厅’, ‘4室1厅’, ‘4室2厅’,’其他’]

outer_y_data = [47,621,611,215,144,1021,12,11,224,81]

outer_data_pair = [list(z) for z in zip(outer_x_data, outer_y_data)]

(

    Pie(init_opts=opts.InitOpts(width=”1600px”, height=”800px”))

    .add(

        series_name=”有无地铁”,

        data_pair=inner_data_pair,

        radius=[0, “30%”],

        label_opts=opts.LabelOpts(position=”inner”),

    )

    .add(

        series_name=”房型”,

        radius=[“40%”, “55%”],

        data_pair=outer_data_pair,

        label_opts=opts.LabelOpts(

            position=”outside”,

            formatter=”{a|{a}}{abg|}\n{hr|}\n {b|{b}: }{c}  {per|{d}%}  “,

            background_color=”#eee”,

            border_color=”#aaa”,

            border_width=1,

            border_radius=4,

            rich={

                “a”: {“color”: “#999”, “lineHeight”: 22, “align”: “center”},

                “abg”: {

                    “backgroundColor”: “#e3e3e3”,

                    “width”: “100%”,

                    “align”: “right”,

                    “height”: 22,

                    “borderRadius”: [4, 4, 0, 0],

                },

                “hr”: {

                    “borderColor”: “#aaa”,

                    “width”: “100%”,

                    “borderWidth”: 0.5,

                    “height”: 0,

                },

                “b”: {“fontSize”: 16, “lineHeight”: 33},

                “per”: {

                    “color”: “#eee”,

                    “backgroundColor”: “#334455”,

                    “padding”: [2, 4],

                    “borderRadius”: 2,

                },

            },

        ),

    )

    .set_global_opts(legend_opts=opts.LegendOpts(pos_left=”left”, orient=”vertical”))

    .set_series_opts(

        tooltip_opts=opts.TooltipOpts(

            trigger=”item”, formatter=”{a} <br/>{b}: {c} ({d}%)”

        )

    )

    .render(“nested_pies.html”)

)

图6房屋总价分布图

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams[‘font.family’]=’KaiTi’

plt.figure(dpi=120)

provinces=[’57万-357万’, ‘357万-657万’, ‘657万-957万’, ‘957万-1257万’, ‘1257万-1557万’]

gdp=[1829,869,206,52,12]

plt.barh(provinces[::-1],gdp[::-1],height=0.5)

plt.title(‘房价分布’)

plt.grid(axis=’x’,ls=’–‘,alpha=0.4)

plt.xlim(0,2000)

for i,j in enumerate(gdp[::-1]):

    plt.text(j+0.05,i,j,va=’center’)

plt.xlabel(‘数量(套)’)

plt.ylabel(‘总价’)

plt.savefig(r”E:\工作\硕士\学习\统计软件python\matplotlib条形图.jpg”,format=”png”)

plt.show()

图7 房屋面积与房屋总价的散点图

import numpy as np

import pandas as pd

import matplotlib as mpl

import matplotlib.pyplot as plt

import seaborn as sns

data = pd.read_csv(r”E:\工作\硕士\学习\统计软件python\期末作业\qxhsj.csv”)

data.head()

sns.lmplot(x=”x3″, y=”y1″, data=data)

plt.xlabel(‘房屋面积(平方米)’)

plt.ylabel(‘房屋总价’)

plt.savefig(r”E:\工作\硕士\学习\统计软件python\matplotlib.jpg”, format=”png”)

图8 关注度人数与房屋总价的散点图

import numpy as np

import pandas as pd

import matplotlib as mpl

import matplotlib.pyplot as plt

import seaborn as sns

data = pd.read_csv(r”E:\工作\硕士\学习\统计软件python\期末作业\qxhsj.csv”)

data.head()

sns.lmplot(x=”x8″, y=”y1″, data=data)

plt.xlabel(‘关注度(人次)’)

plt.ylabel(‘房屋总价(万元)’)

plt.savefig(r”E:\工作\硕士\学习\统计软件python\matplotlib.jpg”, format=”png”)

需要数据集的家人们可以去百度网盘(永久有效)获取:

链接:https://pan.baidu.com/s/16GeXC9_f6KI4lS2wQ-Z1VQ?pwd=2138
提取码:2138 

更多优质内容持续发布中,请移步主页查看。

备注:明天更新两种预测房价的算法,分别是支持向量机和随机森林回归预测。

   点赞+关注,下次不迷路!

 

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
青葱年少的头像青葱年少普通用户
上一篇 2023年6月15日
下一篇 2023年6月15日

相关推荐

此站出售,如需请站内私信或者邮箱!