北上广深租房图鉴(上)| 小笨聪用python爬取链家租房数据 Myth丶恋晨 2022-10-01 06:51 177阅读 0赞 [微信公众号原文链接][Link 1] 电视剧《恋爱地图上海篇》有一句台词: > 上海很繁华,但没有一点真实的感觉。来这里工作两年了,没有一个朋友,没有一个爱人,我感觉我像是一个局外人一样,永远走不进去,也许,回老家更适合我吧。 这句话大致说出了不少在一线城市打拼的年轻人的心声。是啊,无论是北漂还是南漂,都有个绕不开的话题——租房。 为了详细了解北上广深的租房房源情况,小笨聪爬取了链家网上以上4个城市的所有租房数据,共计**108532条(截止时间:2019年3月24日)**,存于 MongDB 数据库,并利用 jupyter、python 相关库和高德开放平台 进行数据可视化,得到完整的北上广深租房图鉴。推送分为两期,上期为可视化结果,下期为代码介绍。 本期是 北上广深租房图鉴(上)。下面让我们愉快地开始吧。 ## 1.各城市房源分布 ## 房源分布图中,将房源以小点形式显示在地图上,不同颜色的点基本代表不同的区域。 北京的租房数据有19898条。我们可以看到北京市中心的房源基本分布在**二环以外四环以内**,而周边各区的房源大多分布在区中心。其中,朝阳房源一枝独秀,占据北京房源近1/3,还是朝阳群众666啊!丰台、海淀房源分别占据第二和第三。 上海的租房数据有26657条。上海的房源也是多**集中在中心城区和浦东,并且沿地铁分布密切**,而其他区域房源多分布在区中心。其中浦东房源占1/4,侧面反映出浦东的发展欣欣向荣。 广州的租房数据有39958条。广州的房源数据是四个城市中最多的,除了和广东是人口大省有关外,还能反映出广州的人口流动性较大 。**天河、白云、番禺的房源均在7000以上,给租客的选择也较多**。小笨聪特意查看了一下广州的地铁线,发现3号线完美经过那个弧状房源密集带,可以想象其客流量之大。 深圳的租房数据有22019条。**龙岗、南山、宝安、福田、龙华这几个区的数据较丰富**,同时也是以地铁3号线、11号线沿线房源较多。 ## 2.城市各区域的租金分布 ## 比起房源分布,大家关注更多的应该是租金吧。为此,小笨聪计算了各房源每平米每月租金,并利用高德开放平台绘制成了热力地图。围观一下吧。 先来看一下每平米租金前50的商圈中各城市占了几个。北京独占26个,果然还是大哥大啊,而广州只有1个,这差距有点大啊!小笨聪数据有误嘛?\[手动挠头\] 再来围观每个城市不同区域的租金热力分布图,先来张北京的。 (公众号“学编程的金融客”后台回复“北京”可获取网页版互动链接) 可以看到北京市每平米租金大于100元的房源集中在四环以内及四环东北边。租金最贵的房子分布在西城区(金融街)、东城区(王府井)、朝阳区(朝阳公园)等地。**在帝都要想花2000块钱租一间20平米的房子,还是去五环周边吧。** 北京市每平米租金前10的商圈,**平均租金在200元左右**,最贵的商圈东单达到229元,换句话说,在东单租一个50平的房子,每月租金要11450元左右。 (公众号“学编程的金融客”后台回复“上海”可获取网页版互动链接) 魔都上海的每平米租金100元以上的集中在黄浦、静安、徐汇、长宁和浦东,**中心城区几乎找不到100元以下**。但在中心城区外,还是有很多100元以内的房源可供选择的。 上海市每平米租金前10的商圈,租金在170元左右,最贵的商圈新天地214元。小笨聪想起了一篇微信文章《上海各区鄙视链》,写的挺有趣的,大家有空了可以搜索读读。每次去上海玩,都要去特意感受一下外滩的夜景,吹着风,惬意地感受着这座城市的繁华;哈哈有机会偶遇呀! (公众号“学编程的金融客”后台回复“广州”可获取网页版互动链接) 由热力图可以看到,**广州的每平米月租金是100以内居多**。租金较贵的房源零星分布在体育中心、跑马场、岗顶站周围、越秀中心、荔湾。比起北京、上海,广州租房还是较为低价的。 广州市每平米租金前10的商圈,租金比起帝都魔都也是整体更便宜,最贵的商圈越秀的二沙岛194元,其次天河的珠江新城和人民北。 (公众号“学编程的金融客”后台回复“深圳”可获取网页版互动链接) **深圳市每平米租金分布有种层次感**。图中下方的南山区(深大、深圳湾、科技园)、福田区(梅林、香蜜湖)和罗湖区的租金主要在100元以上。宝安、龙华、布吉以50-100元为主。龙岗区主要以50元以内为主。 深圳市每平米租金前10的商圈中,深圳湾的租金最贵为194元,福田中心和香蜜湖次之。 ## 3.均价与房间面积分布 ## 小笨聪将各城市房源的面积和每平米均价绘制出关系图。 可以看到,不管是哪个城市,**出租面积在15平米以内的房子,每平米租金都是最贵的**,当然这里不排除租金贵的区域有更多单独出租的小房间这个原因。 但还是可以看出来,如果有认识的好友一起租大房子,不仅每平米的租金更便宜,而且还可以有一个大点的公用客厅。 ## 4.距地铁远近对租金的影响 ## 租房时,我们会考虑一个因素,就是距离地铁的远近。小笨聪把个城市房源距离最近地铁站的距离跟每平米租金进行了回归分析,并且计算了相关系数。 可以看到,最近地铁距离和每平米租金之间是有相关性的,**距离地铁越近,租金越贵**。北上广深的相关系数分别是-0.14,-0.17,-0.13,-0.13,可见,上海地铁站的距离对租金的影响最大,毕竟上海的地铁网络还是非常强大的。 ## 5.精装简装对房源租金的影响 ## 精装房源可以理解为重新刷过墙的,简装房源可以理解为破破旧旧的。 可以看到,北上广深精装的房子比简装的房子平均每平米租金要分别贵:29、17、31、46元。深圳的精简装差别最大。也就是说,**在深圳租一个20平精装的房子要比简装的贵上920元!** 那么精装的公寓跟精装的个人房源有没有差别呢? (注:链家网上对北京、上海的公寓标注很少,只占总房源数量的2%和4%,所以只展示广州和深圳的数据) 可以看到,无论是在广州和深圳,精装公寓都是要比个人房源贵上很多的。广州个人房源精装和简装租金几乎无差别,但精装公寓比精装个人房源每平米租金要贵上67元(一倍不止)!深圳要贵28元。也就是说,**在广州租一个20平的房子,精装公寓要比个人房源贵上1340元!** ## 6.各城市房源租售比 ## 按照各城市每平米平均租金,租多久所付的租金可以在该城市买下一套房呢? 可见,按照北上广深当前的房价,**50年左右的租金可以在城市买下一套房**。其中深圳最低,只需要47年。 除掉首付,租金和月供其实差不多。是咬咬牙凑首付供房,还是继续租房,看个人情况吧。 ## 7.各城市都喜欢什么样的户型 ## 最后,小笨聪还统计了北上广深各城市房源最多的3种户型。 可见,**北上广都偏爱2室1厅1卫的房子,而深圳却是1室0厅1卫的房子最多**,看来,在深圳奋斗的人,能住带厅的房子已经不容易了。不过四个城市都是小户型房源居多。【完】 以上就是本次爬取链家网北上广深房源数据的图表分析。 微信公众号“**学编程的金融客**”后台分别回复 **北京 、 上海 、 广州 、 深圳** 即可获取各城市每平米租金热力地图互动链接,可随意放大缩小查看你关心的区域。 [北上广深租房图鉴(上)mp.weixin.qq.com][mp.weixin.qq.com] **往期推荐** 1.[流浪地球影评][Link 2] 2.[图虫网美女][Link 3] 3.[猪小屁视频][Link 4] 4.[拉勾网数据][Link 5] 5.[表白代码][Link 6] 6.[金融词汇][Link 7] 保存扫码关注小笨聪呗 转载于:https://juejin.im/post/5cb0028d6fb9a068aa4b8e0c [Link 1]: https://link.juejin.im?target=https%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzI1NzY0MTY3MA%3D%3D%26amp%3Bmid%3D2247484086%26amp%3Bidx%3D1%26amp%3Bsn%3D87ff57555c390607daf016a3cf33e104%26amp%3Bchksm%3Dea151f1fdd6296091c417bd455653c2c9955105ae3f8ab30621e50c5ae28e75c3716ff03ded4%26amp%3Btoken%3D715097038%26amp%3Blang%3Dzh_CN%23rd [mp.weixin.qq.com]: https://link.juejin.im?target=https%3A%2F%2Flink.zhihu.com%2F%3Ftarget%3Dhttps%253A%2F%2Fmp.weixin.qq.com%2Fs%253F__biz%253DMzI1NzY0MTY3MA%253D%253D%2526mid%253D2247484086%2526idx%253D1%2526sn%253D87ff57555c390607daf016a3cf33e104%2526chksm%253Dea151f1fdd6296091c417bd455653c2c9955105ae3f8ab30621e50c5ae28e75c3716ff03ded4%2526token%253D715097038%2526lang%253Dzh_CN%2523rd [Link 2]: https://link.juejin.im?target=https%3A%2F%2Flink.zhihu.com%2F%3Ftarget%3Dhttp%253A%2F%2Fmp.weixin.qq.com%2Fs%253F__biz%253DMzI1NzY0MTY3MA%253D%253D%2526mid%253D2247483885%2526idx%253D1%2526sn%253D2141905cab6e279c2d9198b123ea02c9%2526chksm%253Dea151c44dd629552ce7a11351deb22b38b010c55c08f604f3733cad150a7122c5fc8a580470b%2526scene%253D21%2523wechat_redirect [Link 3]: https://link.juejin.im?target=https%3A%2F%2Flink.zhihu.com%2F%3Ftarget%3Dhttp%253A%2F%2Fmp.weixin.qq.com%2Fs%253F__biz%253DMzI1NzY0MTY3MA%253D%253D%2526mid%253D2247484028%2526idx%253D1%2526sn%253D3cbcb42d0710dfda4999123fbcbc0e98%2526chksm%253Dea151fd5dd6296c30a32a9993cb24e3597436892778c88f0545c3635c3f47de420aa36137f79%2526scene%253D21%2523wechat_redirect [Link 4]: https://link.juejin.im?target=https%3A%2F%2Flink.zhihu.com%2F%3Ftarget%3Dhttp%253A%2F%2Fmp.weixin.qq.com%2Fs%253F__biz%253DMzI1NzY0MTY3MA%253D%253D%2526mid%253D2247484006%2526idx%253D1%2526sn%253Dfc5b8c53cf0369cf30267d1d02997ef9%2526chksm%253Dea151fcfdd6296d92873215b700585acf55445628cc7f8b342555d884a968238766716388ec6%2526scene%253D21%2523wechat_redirect [Link 5]: https://link.juejin.im?target=https%3A%2F%2Flink.zhihu.com%2F%3Ftarget%3Dhttp%253A%2F%2Fmp.weixin.qq.com%2Fs%253F__biz%253DMzI1NzY0MTY3MA%253D%253D%2526mid%253D2247483956%2526idx%253D1%2526sn%253Defc4fdc137a8f68805de3bae306e3127%2526chksm%253Dea151f9ddd62968ba9abf620d167a2e0d8a029de088ba9cbc9c4b99e41c807b365b3c24799a7%2526scene%253D21%2523wechat_redirect [Link 6]: https://link.juejin.im?target=https%3A%2F%2Flink.zhihu.com%2F%3Ftarget%3Dhttp%253A%2F%2Fmp.weixin.qq.com%2Fs%253F__biz%253DMzI1NzY0MTY3MA%253D%253D%2526mid%253D2247483911%2526idx%253D1%2526sn%253D4ee3701a259dcbe0c389d1db405af18f%2526chksm%253Dea151faedd6296b8508257fa4dcc15df934ef2356bb0fc2aea41644114ac464163d10e928083%2526scene%253D21%2523wechat_redirect [Link 7]: https://link.juejin.im?target=https%3A%2F%2Flink.zhihu.com%2F%3Ftarget%3Dhttp%253A%2F%2Fmp.weixin.qq.com%2Fs%253F__biz%253DMzI1NzY0MTY3MA%253D%253D%2526mid%253D2247483896%2526idx%253D1%2526sn%253D11968b40c0d60c81690feae958f9718b%2526chksm%253Dea151c51dd629547182125ed7076796cee753f8cf7ba104f3159a820375819e556dae3439f3b%2526scene%253D21%2523wechat_redirect
相关 Python——租房信息数据分析 租房信息数据分析 1 题目:租房信息数据分析 2. 导入数据 3. 各行政区房源分布 4. 小区房源数量TOP10 Love The Way You Lie/ 2023年01月01日 15:59/ 0 赞/ 283 阅读
相关 Python爬取58同城租房数据,破解字体加密 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。 以下文章来源于CSDN,作者:TRHX • 鲍勃 刚接触Python的 落日映苍穹つ/ 2022年12月26日 07:29/ 0 赞/ 392 阅读
相关 北上广深租房图鉴(上)| 小笨聪用python爬取链家租房数据 [微信公众号原文链接][Link 1] 电视剧《恋爱地图上海篇》有一句台词: > 上海很繁华,但没有一点真实的感觉。来这里工作两年了,没有一个朋友,没有一个爱人,我感觉我像 Myth丶恋晨/ 2022年10月01日 06:51/ 0 赞/ 178 阅读
相关 python 爬取了租房数据 爬取链接:[https://sh.lianjia.com/zufang/][https_sh.lianjia.com_zufang] 代码如下: import 谁借莪1个温暖的怀抱¢/ 2022年05月14日 07:42/ 0 赞/ 317 阅读
相关 python爬取链家新房数据 转载:https://blog.csdn.net/clyjjczwdd/article/details/79466032 from bs4 impor 清疚/ 2022年05月09日 02:38/ 0 赞/ 219 阅读
相关 租房!租房!租房!记起来要考的!!! 文档目的 希望这篇文档能够帮助到北上广深杭等租房漂泊的同学在找房的时候规避一些明显的问题。 这里枚举了一些常见问题,适当参考文档作出一个判断,或许可以减少租客和房东都不 ゝ一纸荒年。/ 2022年03月20日 11:14/ 0 赞/ 329 阅读
相关 50 行代码爬取链家租房信息 最近自己开始学习数据分析的技术,但数据分析最重要的就是数据。没有数据怎么办?那就自己爬一些数据。大家一定要记得爬虫只是获取数据的一种手段,但如果不用一系列科学的方式去分析这些数 淡淡的烟草味﹌/ 2022年02月02日 03:25/ 0 赞/ 301 阅读
相关 利用python爬取贝壳网租房信息 最近准备换房子,在网站上寻找各种房源信息,看得眼花缭乱,于是想着能否将基本信息汇总起来便于查找,便用python将基本信息爬下来放到excel,这样一来就容易搜索了。 1. 红太狼/ 2021年12月22日 03:45/ 0 赞/ 559 阅读
相关 JAVA爬虫 - 爬取豆瓣租房信息 最近打算换房子,豆瓣上面的租房小组相对来说较为真实,但是发现搜索功能不是那么友好,所以想把帖子的数据都爬到数据库,自己写sql语句去筛选,开搞! 每步过程都贴上完整代码,感兴 柔情只为你懂/ 2021年12月17日 12:04/ 0 赞/ 423 阅读
还没有评论,来说两句吧...