用Python告诉你深圳房租有多高
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, '$lte': 30}}}, {'$group': {'_id': '', 'count': {'$sum': 1}}} ]) results30_60 = self.zfdb.rent.aggregate([ {'$match': {'area': {'$gt': 30, '$lte': 60}}}, {'$group': {'_id': '', 'count': {'$sum': 1}}} ]) results60_90 = self.zfdb.rent.aggregate([ {'$match': {'area': {'$gt': 60, '$lte': 90}}}, {'$group': {'_id': '', 'count': {'$sum': 1}}} ]) results90_120 = self.zfdb.rent.aggregate([ {'$match': {'area': {'$gt': 90, '$lte': 120}}}, {'$group': {'_id': '', 'count': {'$sum': 1}}} ]) results120_200 = self.zfdb.rent.aggregate([ {'$match': {'area': {'$gt': 120, '$lte': 200}}}, {'$group': {'_id': '', 'count': {'$sum': 1}}} ]) results200_300 = self.zfdb.rent.aggregate([ {'$match': {'area': {'$gt': 200, '$lte': 300}}}, {'$group': {'_id': '', 'count': {'$sum': 1}}} ]) results300_400 = self.zfdb.rent.aggregate([ {'$match': {'area': {'$gt': 300, '$lte': 400}}}, {'$group': {'_id': '', 'count': {'$sum': 1}}} ]) results400_10000 = self.zfdb.rent.aggregate([ {'$match': {'area': {'$gt': 300, '$lte': 10000}}}, {'$group': {'_id': '', 'count': {'$sum': 1}}} ]) results0_30_ = list(results0_30)[0]["count"] results30_60_ = list(results30_60)[0]["count"] results60_90_ = list(results60_90)[0]["count"] results90_120_ = list(results90_120)[0]["count"] results120_200_ = list(results120_200)[0]["count"] results200_300_ = list(results200_300)[0]["count"] results300_400_ = list(results300_400)[0]["count"] results400_10000_ = list(results400_10000)[0]["count"] attr = ["0-30平方米", "30-60平方米", "60-90平方米", "90-120平方米", "120-200平方米", "200-300平方米", "300-400平方米", "400+平方米"] value = [ results0_30_, results30_60_, results60_90_, results90_120_, results120_200_, results200_300_, results300_400_, results400_10000_ ] return (attr, value) 数据展示： # 展示饼图 def showPie(self, title, attr, value): from pyecharts import Pie pie = Pie(title) pie.add("aa", attr, value, is_label_show=True) pie.render() # 展示矩形树图 def showTreeMap(self, title, data): from pyecharts import TreeMap data = data treemap = TreeMap(title, width=1200, height=600) treemap.add("深圳", data, is_label_show=True, label_pos='inside', label_text_size=19) treemap.render() # 展示条形图 def showLine(self, title, attr, value): from pyecharts import Bar bar = Bar(title) bar.add("深圳", attr, value, is_convert=False, is_label_show=True, label_text_size=18, is_random=True, # xaxis_interval=0, xaxis_label_textsize=9, legend_text_size=18, label_text_color=["#000"]) bar.render() # 展示词云 def showWorkCloud(self, content, image_filename, font_filename, out_filename): d = path.dirname(__name__) # content = open(path.join(d, filename), 'rb').read() # 基于TF-IDF算法的关键字抽取, topK返回频率最高的几项, 默认值为20, withWeight # 为是否返回关键字的权重 tags = jieba.analyse.extract_tags(content, topK=100, withWeight=False) text = " ".join(tags) # 需要显示的背景图片 img = imread(path.join(d, image_filename)) # 指定中文字体, 不然会乱码的 wc = WordCloud(font_path=font_filename, background_color='black', # 词云形状， mask=img, # 允许最大词汇 max_words=400, # 最大号字体，如果不指定则为图像高度 max_font_size=100, # 画布宽度和高度，如果设置了msak则不会生效 # width=600, # height=400, margin=2, # 词语水平摆放的频率，默认为0.9.即竖直摆放的频率为0.1 prefer_horizontal=0.9 ) wc.generate(text) img_color = ImageColorGenerator(img) plt.imshow(wc.recolor(color_func=img_color)) plt.axis("off") plt.show() wc.to_file(path.join(d, out_filename)) # 展示 pyecharts 的词云 def showPyechartsWordCloud(self, attr, value): from pyecharts import WordCloud wordcloud = WordCloud(width=1300, height=620) wordcloud.add("", attr, value, word_size_range=[20, 100]) wordcloud.render() 后记 最近还真是挺多事情发生的，房租的暴涨，其实是资本力量进驻了租房市场。自如、蛋壳这些长租公寓，相互太高房租价格，而且让客户签第三方贷款协议，前期发展可能需要一点钱，但是到后期垄断市场之后，只要住房刚需在，就不会赚不回钱。最后，应对外界条件的变动，我们还是应该提升自己的硬实力，这样才能提升自己的生存能力。 原文发布时间为：2018-09-10 本文作者：zone7 本文来自云栖社区合作伙伴“磐创AI”，了解相关信息可以关注“磐创AI”。
