简单分析贝壳在售厦门二手房数据（二）

这是我的python数据可视化练手项目，数据从贝壳厦门二手房网爬取，数据已经经过清理，并且补充了经纬和地铁/BRT站信息，这是数据分析的第二部分，系列文章：

• Scrapy-Redis爬虫贝壳网所有在售厦门二手房信息
• 初步清理贝壳网爬取的厦门二手房信息
• 百度API补完厦门二手房经纬度并找到最近的地铁站
• 简单分析贝壳在售厦门二手房数据（一）
• 本文：简单分析贝壳在售厦门二手房数据（二）
• 进行中：进一步手机和处理数据/建模

一、一张图看懂厦门房价

想要一张图看懂厦门房价？那这张图非热力图莫属，不过我们的数据量不够，采用散点图效果更理想。

1.1 绘图

# 导入相关模块
from pyecharts.charts import Geo
from pyecharts.globals import GeoType


# 准备数据
data_clean = pd.read_csv('data_clean_with_stations.csv')
# 构造数据集
region = data_clean['district'] + data_clean['sub_district'] + data_clean['resblock']
region = region.reset_index(drop=True)
data_pair = [(region[i], data_clean.iloc[i]['unit_price']) for i in range(len(region))]

# 热力图颜色
def rgb(minimum, maximum, value):
    minimum, maximum = float(minimum), float(maximum)
    ratio = 2 * (value - minimum) / (maximum - minimum)
    b = int(max(0, 255 * (1 - ratio)))
    r = int(max(0, 255 * (ratio - 1)))
    g = 255 - b - r
    return r, g, b

# 分色
bins = [
    {'max': 10000, 'label': '1万<', 'color': 'rgb(%s, %s, %s)' % rgb(1, 11, 1)},  # 有上限无下限，label和color自定义
    {'min': 100000, 'label': '>10万', 'color':'rgb(%s, %s, %s)' % rgb(1, 11, 11)}  # 有下限无上限
]

for i in range(1, 10):
    new_bin = {
        'min': i * 10000,
        'max': (i+1) * 10000,
        'label': '%s~%s万' % (str(i), str(i+1)),
        'color': 'rgb(%s, %s, %s)' % rgb(1, 11, i+1)
    }

    bins.insert(-1, new_bin)

# 各区二手房单价分布热力图
# 各区出租房屋租金价格分布热力图
geo = Geo(opts.InitOpts(width="800px", height="1260px", theme=ThemeType.LIGHT))
geo.add_schema(maptype="厦门", emphasis_label_opts=opts.LabelOpts(is_show=True, font_size=16))
for i in range(len(region)):
    geo.add_coordinate(region[i], data_clean.iloc[i]['lng'], data_clean.iloc[i]['lat'])
geo.add("", data_pair, type_=GeoType.HEATMAP)
geo.set_global_opts(
    title_opts=opts.TitleOpts(title="厦门二手房单价热力图"),
    visualmap_opts=opts.VisualMapOpts(min_=0, max_=80000, split_number=20, range_text=["High", "Low"],
                                      is_calculable=True, range_color=["lightskyblue", "yellow", "orangered"]),
    toolbox_opts=opts.ToolboxOpts(),
    tooltip_opts=opts.TooltipOpts(is_show=True)
)
geo.set_series_opts(label_opts=opts.LabelOpts(is_show=False))

# 绘图
geo.render()

1.2 结果

输出结果高达26MB，只能上截图了：

这是全市的：

岛内特写：

1.3 分析

• 岛内单价10万以上不少，4~6万是主流。
• 岛内外差距巨大，岛内外一体化进程任重道远。
• 四区房价：海沧≈集美>翔安>同安，海沧散点最密集，可能生活更便利些？
• 四个富人区：中山路商圈（美食，购物，教育）；筼筜湖片区（郑智/文化中心，公园，教育）；云顶山东面（依山傍海别墅区）；五缘湾片区（行业大佬云集，教育资源新锐）
• 散点密集区域基本与城市主干道/地铁重合，说明数据有一定的可靠性
• ...

1.4 其他猜想

• 同安主城区离各区最远，南面新形成的副中心会不会取而代之？会是价值洼地吗？还是城市规划的必然？
• 大量面积散点空缺是什么原因？不适合建房/居住？城市规划？数据不够？
• “冒红”的区域会向四周扩散吗？还是会有新的“五缘湾”涌现？
• 岛外建设用地似乎还很充足？
• ...

二、有多少小区是地铁自由的？

采用饼图统计这些二手房离最近地铁站/BRT的距离分布。

1.4 绘图

# 准备数据
data_clean = pd.read_csv('data_clean_with_stations.csv')
# 猜测，岛外的房子离地铁更近：
# 岛外
# data_clean = data_clean[data_clean.district.isin(['海沧', '集美', '翔安', '同安'])]
# 岛内
data_clean = data_clean[data_clean.district.isin(['思明', '湖里'])]

# 导入绘制饼图的库
from pyecharts.charts import Pie
# 添加分bin字段'area_bin'
bins = [0]
for i in range(0, 25):
    bins.append((i+1)*200)
disntance_bin = pd.cut(data_clean.distance_to_station, bins, right=False)
data_clean['disntance_bin'] = disntance_bin
# 分组获得数据
distance_grouped = data_clean.groupby('disntance_bin')['distance_to_station'].count()
# 字段list
intervals = ['%s~%sm' % (str(i.left), str(i.right)) for i in distance_grouped]
intervals[-1] = '4800m~'
# 值list
counts = list(distance_grouped.astype('float64'))

area_group = (
    Pie(opts.InitOpts(width="800px", height="600px", theme=ThemeType.LIGHT))
        .add("", [list(z) for z in zip(intervals, counts)])
        .set_global_opts(title_opts=opts.TitleOpts(title="在售二手房与最近轨道交通站的距离(岛内)"),
                         legend_opts=opts.LegendOpts(type_="scroll", pos_right="left", orient="vertical"),
                         toolbox_opts=None)
        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
area_group.render()

1.4 结果

全市：

考虑到岛外生活区聚集，单独绘制岛内/岛外：

1.4 分析

• 如果距离500m算地铁自由的话，岛内小区已经过半了
• 岛外的数据比想象中的低，可能因为地铁规划较晚

1.4 其他猜想

• 统计入规划中的地铁站再做计算，岛外的数据会不会赶上岛内？能否从中挖掘价值洼地？

四、地铁房怎么个贵法

采用散点图来直观表现离地铁距离对房价的影响。

4.1 绘图

# 导入绘制散点图的库，
    from pyecharts.charts import Scatter
    # 准备数据
    data_clean = pd.read_csv('data_clean_with_stations.csv')
    data_clean = data_clean.sort_values(by='distance_to_station')
    # 过滤距离为0的数据，这是一些小区名为路名的数据，api返回的小区经纬和地铁站或BRT站重合了

    data_clean = data_clean[data_clean["distance_to_station"] > 0]
    # 岛内
    data_clean = data_clean[data_clean.district.isin(['思明', '湖里'])]

    scater = (
        Scatter()
            # .add_xaxis([str(distance) + 'm' for distance in data_clean['distance_to_station']])
            .add_xaxis(data_clean['distance_to_station'])
            .add_yaxis(
            series_name = '',
            # series_name = "房屋单价(元/平)",
            y_axis=data_clean['unit_price'],
            symbol_size=3.5,
            label_opts=opts.LabelOpts(is_show=False),
            itemstyle_opts=opts.ItemStyleOpts(color='rgba(255, 140, 0, 0.15)')
        )
            .set_global_opts(title_opts=opts.TitleOpts(title="二手房单价(元/平)-地铁/BRT站距离(m)散点图(岛内)"),
                             legend_opts=opts.LegendOpts(type_="scroll", pos_right="middle", orient="vertical"),
                             datazoom_opts=[opts.DataZoomOpts(type_="slider", range_start=0, range_end=71), opts.DataZoomOpts(orient="vertical", type_="slider", range_start=0, range_end=65)],
                             toolbox_opts=opts.ToolboxOpts(),
                             )
            .render("地铁距离-单价散点图-岛内.html")
    )

4.2 结果

4.3 分析

• 散点总体打出一个三角形区域，验证了轨道交通是房价筹码的观点
• 离地铁/BRT千米以内房价总体起底高，上浮空间也大
• 离地铁1100以外房价慢慢开始对离地铁/BRT的距离脱敏，因而离地铁1100以内可以定性为地铁房（可能需要更多数据支持）
• 1100米可作为商家在地铁商圈店铺寻址的依据

4.4 其他猜想

• 非地铁房也有不少高价小区，受什么因素驱动？
• 探究（地铁/BRT，医院）双因素对房价的影像，绘制三维散点图
• 岛外高价房基本都是地铁房吗？

五、厦门房子量价齐飞？

先说明：“量”不是成交量的量，而是不同年份房子的流通量。

流通二手房的年份占比一定程度上能反应各个年份建成的房屋总量，希望统计该数字可以看到厦门房子“量”的趋势。

4.1 绘图

用直方图来统计，分别统计面积和套数：

# 准备数据
data_clean = pd.read_csv('data_clean_with_stations.csv')

# 添加分bin字段'area_bin'
bins = [1945]
while bins[-1] < 2020:
    bins.append(bins[-1] + 5)

year_build_bin = pd.cut(data_clean.year_build, bins, right=False)
data_clean['year_build_bin'] = year_build_bin

# 分组获得数据
year_build_groups = data_clean.groupby('year_build_bin')

# 字段list
intervals = ['%s~%s年' % (str(i.left), str(i.right)) for i in year_build_groups['area'].count().index]

# 某年建成的房屋套数的值
list_counts = year_build_groups['area'].count()

# 某年建成的房屋总面积的值
list_area_sum = year_build_groups['area'].sum().astype('float64')

bar1 = (
    Bar()
        .add_xaxis(intervals)
        .add_yaxis("流通套数(套)", y_axis=list(list_counts), category_gap=1)
        .extend_axis(yaxis=opts.AxisOpts())
        .set_global_opts(title_opts=opts.TitleOpts(title="建成年份统计流通二手房套数和总面积"),
                         datazoom_opts=[opts.DataZoomOpts(type_="slider", range_start=45, range_end=100)],
                         toolbox_opts=opts.BrushOpts(), )
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
)
bar2 = (
    Bar()
        .add_xaxis(intervals)
        .add_yaxis("流通总面积(㎡)", y_axis=list(list_area_sum), yaxis_index=1)
        .set_global_opts(toolbox_opts=opts.BrushOpts(), )
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
)

# 住房条件(面积)没有改善，哈哈

"""scatter1 = (
    Bar()
        .add_xaxis(x)
        .add_yaxis("商家A", Faker.values(), yaxis_index=0, )
        .extend_axis(yaxis=opts.AxisOpts())
    #     .set_global_opts(yaxis_opts=opts.AxisOpts(type_="value", name="商家A", position="right"))
)
scatter2 = (
    Line()
        .add_xaxis(x)
        .add_yaxis("商家B", [v / 1000 for v in Faker.values()], yaxis_index=1)
    #     .extend_axis(yaxis=opts.AxisOpts(type_="value", name="商家B", position="left"))
    #     .set_global_opts(yaxis_opts=opts.AxisOpts(type_="value", name="商家B", position="left"))
)"""

# 叠加，绘制
bar1.overlap(bar2)
bar1.render()

4.2 结果

4.3 分析

• 价飞一直知道，现在才知道“量”也齐飞
• 结果符合改开后高速发展的历史进程
• 2015~2020年的数据较低，是准新房流通少的影响
• 建面/套数没有明显变化，厦门房子总体没有变小

4.4 其他猜想

• 不同城市准新房的流通占比能反应投机占比吗？
• 不同年份建成房子面积的方差是增大还是缩小？

爱心提示：本文仅当个人（非专业人士）练手项目（数据少且不可靠），不作任何投资建议（手动滑稽）。

直达：进行中：进一步手机和处理数据/建模