用Python告诉你深圳房租有多高-低调大师

用Python告诉你深圳房租有多高

2018-09-11 491

概述

● 前言
● 统计结果
● 爬虫技术分析
● 爬虫代码实现
● 爬虫分析实现

● 后记

前言

最近各大一二线城市的房租都有上涨，究竟整体上涨到什么程度呢？我们也不得而知，于是乎 zone 为了一探究竟，便用 Python 爬取了房某下的深圳的租房数据，以下是本次的样本数据：

样本数据

除去【不限】的数据（因为可能会与后面重叠），总样本数据量为 16971 条，其中后半部分地区数据量偏少，是由于该区房源确实不足。因此，此次调查也并非非常准确，权且当个娱乐项目，供大家观赏。

统计结果

我们且先看统计结果，然后再看技术分析。
深圳房源分布：（按区划分）
其中福田与南山的房源分布是最多的。但这两块地的房租可是不菲啊。

房源分布

房租单价：（每月每平方米单价 -- 平均数）
即是 1 平方米 1 个月的价格。方块越大，代表价格越高。

房租单价：平方米/月

可以看出福田与南山是独占鳌头，分别是 114.874 与 113.483 ，是其他地区的几倍。如果租个福田 20 平方的房间：

114.874 x 20 = 2297.48

再来个两百的水电、物业：

2297.48 + 200 = 2497.48

我们节俭一点来算的话，每天早餐 10 块，中午 25 块，晚饭 25 块：

2497.48 + 50 x 30 = 3997.48

是的，仅仅是活下来就需要 3997.48 块。

隔断时间下个馆子，每个月买些衣服，交通费，谈个女朋友，与女朋友出去逛街，妥妥滴加个 3500

3997.48 + 3500 = 7497.48

给爸妈一人一千：

7497.48 + 2000 = 9497.48

月薪一万妥妥滴，变成了月光族。

房租单价：（每日每平方米单价 -- 平均数）

即是 1 平方米 1 天的价格。

租房单价：平方米/日

以前在乡下没有寸土寸金的感觉，那么可以到北上广深体验一下，福田区每平方米每天需要 3.829 元。[捂脸]

崩溃

户型
户型主要以 3 室 2 厅与 2 室 2 厅为主。与小伙伴抱团租房是最好的选择了，不然与不认识的人一起合租，可能会发生一系列让你不舒服的事情。字体越大，代表户型数量越多。

租房面积统计
其中 30 - 90 平方米的租房占大多数，如今之计，也只能是几个小伙伴一起租房，抱团取暖了。

租房面积统计

租房描述词云
这是爬取的租房描述，其中字体越大，表示出现的次数越多。其中【精装】占据了很大的部分，说明长租公寓也占领了很大一部分市场。

租房描述

爬虫思路

先爬取房某下深圳各个板块的数据，然后存进 MongoDB 数据库，最后再进行数据分析。

各个板块

数据库部分数据：

/* 1 */

{

"_id" : ObjectId("5b827d5e8a4c184e63fb1325"),

"traffic" : "距沙井电子城公交站约567米。",//交通描述

"address" : "宝安-沙井-名豪丽城",//地址

"price" : 3100,//价格

"area" : 110,//面积

"direction" : "朝南\r\n ",//朝向

"title" : "沙井名豪丽城精装三房家私齐拎包住高层朝南随时看房",//标题

"rooms" : "3室2厅",//户型

"region" : "宝安"//地区

}

爬虫技术分析
● 请求库：requests
● HTML 解析：BeautifulSoup
● 词云：wordcloud
● 数据可视化：pyecharts
● 数据库：MongoDB

● 数据库连接：pymongo

爬虫代码实现

首先右键网页，查看页面源码，找出我们要爬取得部分。

源码

代码实现，由于篇幅原因只展示主要代码：（获取一个页面的数据）

  def getOnePageData(self, pageUrl, reginon="不限"):

  rent = self.getCollection(self.region)

  self.session.headers.update({

  'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.84 Safari/537.36'})

  res = self.session.get(

  pageUrl

)

  soup = BeautifulSoup(res.text, "html.parser")

  divs = soup.find_all("dd", attrs={"class": "info rel"}) # 获取需要爬取得 div

for div in divs:

ps = div.find_all("p")

 try: # 捕获异常，因为页面中有些数据没有被填写完整，或者被插入了一条广告，则会没有相应的标签，所以会报错

 for index, p in enumerate(ps): # 从源码中可以看出，每一条 p 标签都有我们想要的信息，故在此遍历 p 标签，

text = p.text.strip()

print(text) # 输出看看是否为我们想要的信息

print("===================================")

# 爬取并存进 MongoDB 数据库

roomMsg = ps[1].text.split("|")

# rentMsg 这样处理是因为有些信息未填写完整，导致对象报空

area = roomMsg[2].strip()[:len(roomMsg[2]) - 2]

rentMsg = self.getRentMsg(

ps[0].text.strip(),

roomMsg[1].strip(),

int(float(area)),

int(ps[len(ps) - 1].text.strip()[:len(ps[len(ps) - 1].text.strip()) - 3]),

ps[2].text.strip(),

ps[3].text.strip(),

ps[2].text.strip()[:2],

roomMsg[3],

)

rent.insert(rentMsg)

except:

continue

数据分析实现

数据分析：

  # 求一个区的房租单价（平方米/元）

  def getAvgPrice(self, region):

  areaPinYin = self.getPinyin(region=region)

  collection = self.zfdb[areaPinYin]

  totalPrice = collection.aggregate([{'$group': {'_id': '$region', 'total_price': {'$sum': '$price'}}}])

  totalArea = collection.aggregate([{'$group': {'_id': '$region', 'total_area': {'$sum': '$area'}}}])

  totalPrice2 = list(totalPrice)[0]["total_price"]

  totalArea2 = list(totalArea)[0]["total_area"]

  return totalPrice2 / totalArea2

# 获取各个区每个月一平方米需要多少钱

def getTotalAvgPrice(self):

totalAvgPriceList = []

totalAvgPriceDirList = []

for index, region in enumerate(self.getAreaList()):

avgPrice = self.getAvgPrice(region)

totalAvgPriceList.append(round(avgPrice, 3))

totalAvgPriceDirList.append({"value": round(avgPrice, 3), "name": region + " " + str(round(avgPrice, 3))})

return totalAvgPriceDirList

# 获取各个区每一天一平方米需要多少钱

def getTotalAvgPricePerDay(self):

totalAvgPriceList = []

for index, region in enumerate(self.getAreaList()):

avgPrice = self.getAvgPrice(region)

totalAvgPriceList.append(round(avgPrice / 30, 3))

return (self.getAreaList(), totalAvgPriceList)

# 获取各区统计样本数量

def getAnalycisNum(self):

analycisList = []

for index, region in enumerate(self.getAreaList()):

collection = self.zfdb[self.pinyinDir[region]]

print(region)

totalNum = collection.aggregate([{'$group': {'_id': '', 'total_num': {'$sum': 1}}}])

totalNum2 = list(totalNum)[0]["total_num"]

analycisList.append(totalNum2)

return (self.getAreaList(), analycisList)

# 获取各个区的房源比重

def getAreaWeight(self):

result = self.zfdb.rent.aggregate([{'$group': {'_id': '$region', 'weight': {'$sum': 1}}}])

areaName = []

areaWeight = []

for item in result:

if item["_id"] in self.getAreaList():

areaWeight.append(item["weight"])

areaName.append(item["_id"])

print(item["_id"])

print(item["weight"])

# print(type(item))

return (areaName, areaWeight)

# 获取 title 数据，用于构建词云

def getTitle(self):

collection = self.zfdb["rent"]

queryArgs = {}

projectionFields = {'_id': False, 'title': True} # 用字典指定需要的字段

searchRes = collection.find(queryArgs, projection=projectionFields).limit(1000)

content = ''

for result in searchRes:

print(result["title"])

content += result["title"]

return content

# 获取户型数据（例如：3 室 2 厅）

def getRooms(self):

results = self.zfdb.rent.aggregate([{'$group': {'_id': '$rooms', 'weight': {'$sum': 1}}}])

roomList = []

weightList = []

for result in results:

roomList.append(result["_id"])

weightList.append(result["weight"])

# print(list(result))

return (roomList, weightList)

# 获取租房面积

def getAcreage(self):

results0_30 = self.zfdb.rent.aggregate([

{'$match': {'area': {'$gt': 0, '$lte': 30}}},