• 項(xiàng)目意義：
  本文旨在分析各維度的數(shù)據(jù)，探索上海二手房整體情況及價(jià)格情況及價(jià)格的影響因素

• 本文分析的框架
  （一）上海二手房整體情況的描述統(tǒng)計(jì)
  （二）各城區(qū)房價(jià)分布；
  1、各城區(qū)房價(jià)情況；
  2、上海單價(jià)排名前15的小區(qū)些阅；
  3、各城區(qū)單價(jià)最高的小區(qū)斑唬；
  （三）各城區(qū)房源分析市埋；
  1、各城區(qū)房源數(shù)量恕刘；
  2缤谎、各城區(qū)二手房面積分布；
  3褐着、各城區(qū)在售二手房數(shù)量排名前5的小區(qū)坷澡；
  （四）房價(jià)影響因素探究；
  1含蓉、房價(jià)與地理位置的關(guān)系频敛；
  2、房價(jià)與戶型的關(guān)系谴餐；
  3姻政、房價(jià)與樓層的關(guān)系；
  4岂嗓、房價(jià)與朝向的關(guān)系；
  5鹊碍、房價(jià)與建筑年代的關(guān)系厌殉；

0觀察數(shù)據(jù)

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
plt.rcParams['font.sans-serif']=['SimHei']     
plt.rcParams['axes.unicode_minus']=False

%matplotlib inline
plt.rcParams['figure.figsize']=(10,6)    
f=open(r'鏈家二手房.csv')
df=pd.read_csv(f)

• 原始數(shù)據(jù)：
  1、數(shù)據(jù)集一共有28201行侈咕，其中“朝向”公罕、“建筑時間”字段存在缺失值，這些缺失值將在后續(xù)分析過程中進(jìn)行處理耀销；
  2楼眷、從習(xí)慣角度，將字段中文名重命名為英文熊尉；
  3罐柳、“樓層”字段，需要進(jìn)行數(shù)據(jù)拆分狰住，分為兩個字段张吉；
  4、“建筑時間”字段類型為subject催植，需要提取年份部分肮蛹，并存儲為timestamp類型勺择；

# 以下數(shù)據(jù)清洗、整理過程
# 1伦忠、重命名字段
df.rename(columns={'小區(qū)名稱':'village','戶型':'house_type','面積':'area','區(qū)域':'district','樓層':'floorlevel','朝向':'toward',
                  '價(jià)格（W）':'total_price','單價(jià)（平方米）':'unit_price','建筑時間':'construction_time'},inplace=True)
# 2省核、“樓層”字段處理
df['floor_level']=df.floorlevel.str.extract('(\D+)/')
df['floor']=df.floorlevel.str.extract('/(.*)層')
df.drop('floorlevel',axis=1,inplace=True)
df['floor']=df['floor'].astype(float)

# 3、‘建筑時間’字段處理
df['construction_time']=df.construction_time.str.extract('(\d+)年建')
df['construction_time']=pd.to_datetime(df.construction_time,format='%Y').values.astype('datetime64[Y]')

01上海二手房整體情況的描述統(tǒng)計(jì)

• 上海二手房整體情況：
  目前在售房源28201套昆码。
• 面積：每套平均面積96平方气忠，50%的房子面積在85平方之內(nèi)，屬于小戶型未桥；
• 單價(jià)：平均單價(jià)6萬元笔刹，最高達(dá)到20萬元，超過50%的房子單價(jià)在5.8萬元以上冬耿，說明上海房價(jià)還是相當(dāng)高舌菜；

• 總價(jià)：平均總價(jià)580萬元，中位數(shù)在430萬元亦镶，這是存在異常極大值的影響日月，拉高了房價(jià)的平均水平；

  
  
• 以上是各城區(qū)在售房源數(shù)量缤骨，其中崇明爱咬、金山、靜安三個區(qū)房源數(shù)量太少绊起，不具有統(tǒng)計(jì)意義精拟，因此在進(jìn)行房價(jià)分析上，將其刪除虱歪。

new_df=df[~df.district.isin(['崇明','金山','靜安'])]

02上海二手房單價(jià)分布情況:

sns.distplot(new_df.unit_price,bins=20)
plt.title('上海二手房單價(jià)分布情況')

• 上海二手房單價(jià)分布圖形類似于正態(tài)分布蜂绎，呈現(xiàn)中間高，兩邊低的形態(tài)笋鄙，單價(jià)均值為6萬元师枣，大多數(shù)在3-8萬之間。
• 2.1.1各城區(qū)平均單價(jià)排名：

fig,axes=plt.subplots(1,2,figsize=(16,4))
axes0,axes1=axes.flatten()
# 單價(jià)各城區(qū)單價(jià)分布箱線圖
sns.boxplot(x='district',y='unit_price',data=new_df,ax=axes0)
axes0.set_title('各城區(qū)單價(jià)分布箱線圖')
# 單價(jià)各城區(qū)總價(jià)分布箱線圖
sns.boxplot(x='district',y='total_price',data=new_df,ax=axes1)
axes1.set_title('各城區(qū)總價(jià)分布箱線圖')
plt.ylim(0,3000)

new_df.groupby('district').unit_price.mean().sort_values().plot.barh()

• 黃埔區(qū)以平均單價(jià)9萬排名上海第一萧落，接下來分別是徐匯區(qū)7.9萬践美，長寧7.5萬。平均價(jià)格在5萬以下的城區(qū)有4個找岖，分別是松江區(qū)4.2萬陨倡、嘉定區(qū)4.1萬、青浦區(qū)4萬宣增、奉賢區(qū)最便宜3萬玫膀。
• 2.1.2各城區(qū)平均總價(jià)排名：

new_df.groupby('district').total_price.mean().sort_values().plot.barh()

• 黃埔區(qū)以平均總價(jià)1059萬排名上海第一，接下來分別是長寧760萬爹脾，青浦676萬帖旨。
• 2.2上海單價(jià)排名前15的小區(qū):

# 部分小區(qū)在售房源數(shù)量小于10箕昭，不具有統(tǒng)計(jì)意義，因此刪除掉在售房源小于10套的小區(qū)
drop_village=new_df.groupby('village').count().query('area>=10').index
new_df[new_df.village.isin(drop_village)].groupby('village').mean().unit_price.sort_values(ascending=False).head(15).plot.barh()

• 由上圖可知解阅，平均單價(jià)排名前三位的小區(qū)分別是翠湖天地御苑落竹、華潤外灘九里、翠湖天地雅苑货抄；第一名的翠湖天地御苑單價(jià)述召，超過了15萬元，遠(yuǎn)高于排名第二的華潤外灘九里近2萬元
• 2.3各城區(qū)單價(jià)最高的小區(qū):

new_df[~new_df.village.isin(drop_village)].groupby(['district','village']).mean().reset_index().groupby('district').apply(lambda x:x.sort_values('unit_price',ascending=False)[:1])

以上是各個城區(qū)單價(jià)最高的小區(qū)蟹地，長寧區(qū)單價(jià)最高的小區(qū)宏業(yè)花園達(dá)到20萬积暖，奉賢區(qū)單價(jià)最高的申亞花澗墅僅6.6萬元，差異較大怪与。

03各城區(qū)房源分析夺刑；

• 3.1各城區(qū)房源數(shù)量：

group_district=df.groupby('district')
sns.countplot(x='district',data=df)
plt.title('各城區(qū)房源數(shù)量')

• 浦東區(qū)目前在售房源數(shù)量最多，約2600套分别，黃浦區(qū)和奉賢區(qū)房源數(shù)量在1500套左右遍愿，靜安區(qū)、金山區(qū)耘斩、崇明區(qū)房源數(shù)量極其少沼填，其他城區(qū)房源數(shù)量相差不大，在2000套左右括授。
• 3.2各城區(qū)二手房面積分布

district_area_rank=group_district.mean().sort_values('area',ascending=False).reset_index()
plt.bar(district_area_rank.district,district_area_rank.area)
plt.title('各城區(qū)房源平均面積')

• 3.3各城區(qū)在售二手房數(shù)量排名前三的小區(qū)檬某。

new_df.groupby(['district','village']).count().reset_index().groupby('district').apply(lambda x:x.sort_values('area',ascending=False)[:3])

04房價(jià)影響因素探究

• 4.1房價(jià)與地理位置的關(guān)系：

new_df.groupby('district').mean().unit_price.sort_values(ascending=False).plot.bar()
plt.title('房價(jià)與不同地理位置的關(guān)系')

• 不同城區(qū)的房價(jià)顯然存在一定的差異，平均單價(jià)最高的是黃浦區(qū)9萬螟蝙，最低的是奉賢區(qū)3萬恢恼。
• 4.2房價(jià)與戶型的關(guān)系：

fig,axes=plt.subplots(2,1,figsize=(12,8),sharex=True)
axes0,axes1=axes.flatten()
count_house_type=new_df.groupby('house_type').count().query('area>100')
count_house_type.area.plot.bar(ax=axes0)
axes0.set_title('不同戶型的房源數(shù)量')
new_df[new_df.house_type.isin(count_house_type.index)].groupby('house_type').unit_price.mean().plot.bar()
axes1.set_title('不同戶型的平均單價(jià)')

• 市場上以2室1廳、2室2廳胰默、3室2廳的戶型房子數(shù)量居多场斑，這三種戶型的房子單價(jià)處于整體單價(jià)的平均線水平漓踢；而1室2廳、2室0廳漏隐、1室0廳的房子喧半，由于房子面積小，總價(jià)不會太貴青责，相對來說經(jīng)濟(jì)壓力負(fù)擔(dān)小一些挺据，從而受到很多人的喜歡，并且市場上這種戶型的房子數(shù)量相對較少脖隶，在這兩個因素影響下導(dǎo)致此類小戶型的房子單價(jià)相對其他大戶型的較高扁耐，1室2廳的房子甚至平均單價(jià)高達(dá)7.3萬。
• 4.3房價(jià)與樓層的關(guān)系

# 過濾樓層存在缺失值的行
group_floor=new_df[new_df.floor.isin((new_df.groupby('floor').area.count()>100).index)].groupby('floor')
fig,axes=plt.subplots(2,1,figsize=(16,8))
axes0,axes1=axes.flatten()
group_floor.unit_price.count().plot.bar(ax=axes0)
axes0.set_title('不同樓層的房源數(shù)量')
group_floor.unit_price.mean().plot.bar(ax=axes1)
axes1.set_title('不同樓層的平均單價(jià)')

• 從以上圖形可以看出产阱，市場上6樓的房子數(shù)量最多婉称，其單價(jià)在鄰近低樓層中最高，約6.8萬心墅；從20層到38層酿矢，隨著樓層的增加，其單價(jià)也在上漲怎燥；之后單價(jià)隨樓層的變化波動很大瘫筐，應(yīng)該是由于40層之后，數(shù)據(jù)樣本數(shù)量比較少铐姚，容易產(chǎn)生較大的誤差策肝，因此40層之后的樓層單價(jià)與樓層的關(guān)系不進(jìn)行研究。
• 4.4房價(jià)與朝向的關(guān)系：

new_df['toward']=new_df.toward.str.replace("\(進(jìn)門\) ",'朝')
toward_list=list(['朝東','朝東北','朝東南','朝北','朝西北','朝西','朝西南','朝南'])
drop_toward=new_df[new_df.toward.isin(toward_list)]
group_toward=drop_toward.groupby('toward')
fig,axes=plt.subplots(2,1,figsize=(12,8))
axes0,axes1=axes.flatten()
group_toward.unit_price.count().plot.bar(ax=axes0)
axes0.set_title('不同朝向的房源數(shù)量')
group_toward.unit_price.mean().plot.bar(ax=axes1)
axes1.set_title('不同朝向的房子單價(jià)')

• 由上圖可知隐绵，朝向?qū)Ψ績r(jià)是有一定影響的之众，其中朝向南面（東南、西南依许、南）的房子單價(jià)會稍高一些棺禾，且朝南的房子數(shù)量遠(yuǎn)多于其他朝向的，這符合我國的一般房屋建筑朝向偏好峭跳，畢竟朝向南面的房屋采光好膘婶，而且在沿海地帶，夏天有東南風(fēng)蛀醉，房子會比較通風(fēng)悬襟；
• 4.5房價(jià)與建筑年代的關(guān)系：

groupby_time=new_df.groupby('construction_time')
fig,axes=plt.subplots(2,1,figsize=(12,8))
axes0,axes1=axes.flatten()
groupby_time.unit_price.count().plot(ax=axes0)
axes0.set_title('不同年代的房子數(shù)量')
groupby_time.unit_price.mean().plot(ax=axes1)
axes0.set_title('不同年代的房子單價(jià)')

• 1、在改革開放之后拯刁，上海房子建筑數(shù)量逐漸上升脊岳，尤其在1995年左右，上海房子快速增長；同樣2005年割捅，也呈現(xiàn)快速增長奶躯。所以說在1995年和2005年是上海房屋修建的高峰期
• 2、建筑年代與房子總價(jià)平均值棺牧、單價(jià)平均值的變化趨勢基本一樣巫糙，在1950年代前的房子其總價(jià)和單價(jià)都高于在后期建筑的房子，分析原因是：在1950前建筑的房子基本都處于中心位置颊乘，地位位置非常好参淹，所以導(dǎo)致價(jià)格比較貴。
• 3乏悄、在2015后之后建筑的房子也呈現(xiàn)上升的趨勢浙值，這與目前房價(jià)不斷升高的趨勢是吻合的。

• 本文總結(jié)：
  1檩小、本文首先對上海二手房價(jià)格开呐、數(shù)量及各區(qū)域房源分布進(jìn)行分析，得出上海房價(jià)平均在6萬元左右规求，其中黃埔區(qū)以平均單價(jià)9萬排名上海第一筐付，緊接是徐匯區(qū)7.9萬，長寧7.5萬阻肿，而奉賢區(qū)最上海房價(jià)最便宜的區(qū)域瓦戚，平均單價(jià)僅3萬；同時丛塌，也發(fā)現(xiàn)上海房屋面積平均為96平方米较解，其中青浦區(qū)由于屬于郊區(qū)，土地資源相對充裕且單價(jià)不高赴邻，其平均房屋面積為157平方印衔，遠(yuǎn)大于其他城區(qū)；
  2姥敛、接著奸焙，通過二手房數(shù)據(jù)的區(qū)域、戶型彤敛、樓層忿偷、朝向及建筑年代特征進(jìn)行分析，探索各因素對房價(jià)的影響臊泌。結(jié)果表明，不同的區(qū)域揍拆、不同的戶型渠概、不同的樓層、不同的朝向和不同的建筑年代都會使得房子單價(jià)不一樣，樓層在6層的低樓層房子播揪、朝向南面較為受歡迎贮喧，房價(jià)也是相對較貴。