基于大数据的城市租房信息可视化分析系统_基于大数据的租房数据分析系统的设计与实现

欢迎大家点赞、收藏、关注、评论啦 ，由于篇幅有限，只展示了部分核心代码。

文章目录

• • 一项目简介
• 二、数据读取
• 三、基于大数据的城市租房信息可视化分析系统
• • 3.1 登录注册
  • 3.2 租房小区名称关键词抽取并词云分析
  • 3.3城市不同区域租房数量分布情况
  • 3.4 城市不同区域租房房价分布散点图
  • 3.5 不同地区租房房源数与平均租房价格的分布情况
  • 3.6 城市各区域租房房价格分布箱线图
• 四. 汽车数据爬虫
• 五. 总结

一项目简介

   本项目利用 python 网络爬虫抓取某租房网站的租房信息，完成数据清洗和结构化，存储到数据库中，搭建web系统对租房的面积、朝向、有无地铁、公共交通工具等价格影响因素进行统计分析并可视化展示。

二、数据读取

  功能主要包括：

三、基于大数据的城市租房信息可视化分析系统

3.1 登录注册

3.2 租房小区名称关键词抽取并词云分析

3.3城市不同区域租房数量分布情况

3.4 城市不同区域租房房价分布散点图

3.5 不同地区租房房源数与平均租房价格的分布情况

3.6 城市各区域租房房价格分布箱线图

四. 汽车数据爬虫

   利用 python 的 request + beautifulsoup 从某租房平台抓取深圳（其他城市修改相应的租房网址即可）的租房数据：

def parse_zu_fang_divs(all_zu_fang_divs):
    house_infoes = []
    for zu_fang_div in all_zu_fang_divs:
        try:
            # 标题
            title = zu_fang_div.select('b.strongbox')[0].text.strip()
            props = zu_fang_div.select('p.details-item.tag')[0].text.strip().split(' ')[0].strip()
            # 室厅，面积，所在楼层
            shiting, mianji, louceng = props.split('|')   # 2室1厅|93平米|中层(共26层)
            address_tag = zu_fang_div.select('address.details-item')[0]
            address = address_tag.text.strip()
            xiaoqu, address = address.split('\n')
            # 小区名称
            xiaoqu = xiaoqu.strip()
            address = address.strip()
            qu, data2 = address.split(' ')
            # 小区所在一级区，二级街道
            first_qu, second_jiedao = qu.split('-')
 
            tags = zu_fang_div.select('p.details-item.bot-tag')[0].text.strip()
            # 标签
            tags = tags.split('\n')
            # 租金
            price = zu_fang_div.select('div.zu-side')[0].text.strip()
 
            house_infoes.append({
                '小区名称': xiaoqu, '小区所在一级区': first_qu, '二级街道': second_jiedao,
                '室厅': shiting, '面积': mianji, '所在楼层': louceng, '标签': tags, '租金': price
            })
        except:
            pass
    return house_infoes
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

五. 总结

   本项目利用 python 网络爬虫抓取某租房网站的租房信息，完成数据清洗和结构化，存储到数据库中，搭建web系统对租房的面积、朝向、有无地铁、公共交通工具等价格影响因素进行统计分析并可视化展示。
————————————————