简要分析上海链家9月二手房

简要分析上海链家9月二手房

数据来源

链接：https://link.zhihu.com/?target=https%3A//pan.baidu.com/s/1ANh0gv40Osan-A5P5_8NMA
密码：3o3w

个人主页里面有上传处理后的资源，尚待审核

分析目标

1. 上海当前哪个区域二手房楼市最火？
2. 上海各个区的房价水平可以分成几个梯队？
3. 哪里的房子越老越吃香？
4. 上海的豪宅都分布在哪？
5. 有什么特点？
6. 市场上哪个户型最受欢迎？

数据清洗（Excel + python）

去重

1. 编号 → 查找和选择 → 定位条件 → 空值 ，删除行。
2. 编号第一行 → Ctrl+Shift+↓ → 验证没有空值，并将编号转换为数值形式 → 单元格格式，数值。
3. 选中编号这一列 → 数据 → 删除重复值。

提取数据

1. 分列“基本属性”“交易属性”，然后每个列再用“分列”处理，提取重要信息、并重命名列名。
2. 不相关或者缺失值多的列直接删除，查找和选择 → 替换 → 把空格全部去除掉。
3. “室、厅、厨、卫、梯、户、经纬”用中位数或平均数填充空值，“2019 - 建成时间”= “楼龄”，Ctrl+Shift+↓选中用Ctrl+D填充全部。
4. 得到比较舒服的excel表格。

python清洗

1. 查看缺失值的列，“朝向、行政区、小区名称”用频数最大填充；“纬度”只有两个缺失值，用均值填充。
2. drop“编号”，不相关，one-hot-encode也不方便；添加一列“heat_values”，描述房屋单价层级0-5。

数据分析(python)

folium

1. 依据“heat_values”和“经纬度”，做出folium图，并输出为html，可以随时查看。描述二手房单价热力值。
   参考链接：https://www.cnblogs.com/feffery/p/9288138.html



豪宅分布

1. 通过探索数据，找出哪些数据水平之后的二手房比较稀有，就自行评断为豪宅。
2. 自行定义豪宅：单价> 10万元/m² 或者 面积> 300m²,且总价>1000万元。



3. 对比一下总房源。浦东是二手房源最多的。



4. 行政区与单价的箱线图。显示了每个区二手房主要单价分布情况，静安的单价相对其他区域会比较高，浦东是被某些极端值拉高了房屋水平均价，实际大部分二手房单价还是算中等。



楼龄与总价的分布

1. 楼龄的均值分布。（可以将它做成组合图去体现关系，这里没去做。）



2. 总价的均值分布



最热户型

1. 由subplot可知，最热户型是2室，2厅，1厨，1卫，1梯，2户。
   
   

验证总价与面积的关系

1. 皮尔逊系数p=0.74，接近1，总价与面积呈现正相关关系。通常来说，价格与面积呈正相关，但也有特殊情况，最好验证下。