Python数据分析实战-链家北京二手房价分析

Python数据分析实战-链家北京二手房价分析

一、分析目标

1. 研究北京市二手住宅价格的空间分布特征；
2. 掌握变量定义、数据筛选及缺失值处理方法；
3. 分析各类房地产价格指标；
4. 进行不同价位区间的房源数量统计及其特征比较；
5. 对各区房屋面积进行统计与分析；
6. 进行全市及各区平均建筑规模特征分析以及总面积构成情况研究；
7. 探讨房地产价格与空间布局要素的空间关系

二、分析具体内容

第1章 - 数据获取与预处理
第一步：获取数据
这些数据源自于网络上链家北京二手房的信息库。

可以看出共有12个关键指标需要关注：具体包括：房屋朝向、城区/街道/小区地址或名称等信息；链家编码标识代码；是否拥有电梯服务设施（Elevator）；具体的楼层信息（Floor）；房屋户型类型（Layout）；装修程度（Renovation）；房屋面积（Size），单位为平方米（㎡）；建筑完成年份（Year）以及房价总金额（Price）。第2步是检查数据中的缺失值情况及各字段的数据类型。

可以观察到，在变量类型的设定上非常合理；其中数值型变量的类型均为int64类型，并且无需额外处理；唯一存在缺失值的是Elevator这一类别的变量，并且其缺失数量并不算少；之后需要采取相应的措施进行补充和完善。

4、处理缺失值

识别出共有6种情况：NaN、无电梯、有电梯、毛坯、精装与简装；鉴于数据采集过程中存在串行问题而导致的数据偏差，则需剔除毛坯、精装与简装三种类别；对于6层及以下的住宅而言,若无电梯则可暂不考虑其购买意向,而对于高层住宅则应予以重点关注,并基于现有信息对缺失值进行填充；值得注意的是,Floor仅表示该房源所在的楼层,而非整个小区的所有楼层,这可能引入一定的误差

通过分析可知：
各栋房屋的楼层设置在1至57层之间；
其中约75%的房屋建于20层及以下；
每套房子的价格区间大致在60万元至6000万元之间；
经统计发现仅有75%的价格低于710万元，
因此600万至6千万的价格点显得异常突出；
每栋房子的面积范围大致在15平方米至1 万零一十九平方米之间，
经统计约75%的面积小于一百一十八平方米；
各栋房屋的建造年代最早为一九五〇年、最晚为二〇一七年；
针对这些异常数据点采取了相应的处理措施

从数据来看：怀柔城区的房屋面积分布范围显著大于其他城区。具体分析数据显示该区域建筑类房地产中大部分是以居民楼为主。基于地理位置分析及数据结果与实际情况一致

进一步检查户型结构安排是否存在不符合标准的异常数据点；经分析发现存在'X房间零套'及'零间零进'等明显不符合合理居住 layouts 的情况；经过数据分布分析后发现'零间零进'类型的数据符合一般家庭居住条件的特点；最终决定移除所有'零房间零套'的数据记录；随后对户型面积结构进行详细分析

7、变量选取
由于'Id'无实际意义而删除该变量;引入'PerPrice'作为每平米单价以便后续分析;重新排列变量位置以便观察

Part 2 - 北京市房源分布

房间面积主要集中在较小范围内（≤200平），而超过这一范围的房源虽然存在但数量相对较少。二手房的价格普遍不超过千万水平，在每平米价格方面则以四万为最高峰值。然而与之相比，在3万至10万之间定价的房子虽然不算特别多但仍呈现出较大的价格差异性。

丰台区、海淀区、朝阳区以及昌平区的规模相当，在房价排名中位居上游；西城区与大兴区的规模则较为接近，在中游位置；而平谷区、怀柔区以及密云区的规模相对较小，在排名中处于较低的位置

1. 各区域的价格分布情况及平方米平均价格的变动趋势

1. 东西城及海淀等区域的新房售价普遍接近，在房价排名中居于前列；除了怀柔以外的所有区域的新房价格与每平方米售价并列排名。
2. 各重点区域新房价格差异较小。
3. 平谷及其他几个区域的新房售价相对较低。
4. 为何怀柔地区的新房情况远优于上述地区？原因尚待进一步分析。
   Part 5 - 各区域房屋面积分布
   根据不同的面积范围进行分类：[0,50)平方千米属于Mini small类（极小户型），[50,100)平方千米属于small类（小户型），[100,150）平方千米属于medium类（中等户型），[150,200）平方千米属于big类（大户型），以及超过2公里范围以上的是huge类（巨大户型）。

1. 市场上面积位于[50,100）平方米范围内的二手房数量最多；其次是[100,150)平方米区间内的房源；
2. 根据房价水平的分布情况，在超小、小和中等户型之间存在明显的差异性；
3. 就每平方米的价格而言，在其他因素相同的情况下，
   超小户型的房产价格普遍高于其他两类，
   而其余几类之间的差别则相对较小；
   综合考虑房屋总价的影响因素，
   这可能与供需关系密切相关：
   总价较低的区域市场需求较为旺盛，
   而相对于市场供应量较少的部分则更能吸引买家；
4. Part 6 - 房价与房源特性的关系

1. 房价与户型分布
2. 房价与朝向分布
3. 房价与装修分布
4. 房价与楼层
5. 房价与电梯
6. 房价与建筑年限
   三、总结：
   通过深入分析可以看出，
   二手房市场的房源数量和房价呈现出明显的北京特征：
7. 中心城区的东城、西城及学区房（尤其是海淀和朝阳区域）拥有较多的房子源且房价较高；
8. 房屋面积主要集中在50-150平区间内，
   其平均售价大约在500-6百万人民币之间；
   小于50平的小户型虽然数量较少且总价较低，
   但其单位面积价格却相对较高；
9. 房屋建筑的时间与其所在区域的发展历史高度一致；
10. 房价更多地受到区域位置和地区面积的影响，
    而与其他因素如户型、装修程度以及是否有电梯等因素的相关性并不显著。
    本篇内容主要旨在锻炼Python实现数据清洗和可视化的技能：
    不足之处在于：
11. 对变量"电梯"、“朝向”、“户型”等特征的处理较为粗略；
12. 分析问题不够明确，
    导致研究结论不够具有针对性。