因為對好友搬家的原因，對珠海房租產(chǎn)生一定的興趣挡毅，想要研究分析一下珠海的房租情況蒜撮。
首先需要寫一個收集數(shù)據(jù)的函數(shù)，從租房網(wǎng)站上爬去房源房租信息。將爬取下來的數(shù)據(jù)進行清洗段磨，整合取逾，然后再進行分析。
本次分析使用Python苹支，用到的庫有pandas庫,numpy庫砾隅，re庫，BeautifulSoup庫债蜜，requests庫晴埂。
1、收集房源鏈接
設(shè)計函數(shù)makepage(n1,n2)寻定。makepage(n1,n2)函數(shù)的功能是輸入n1,n2儒洛，收集從第n1頁到第n2頁的房源鏈接，返回有房源連接的列表狼速。
2琅锻、收集房源的具體信息
設(shè)計getHouse(url)函數(shù)，主要是將從makepage(n1,n2)函數(shù)收集到的房源鏈接上唐含，獲取房源的詳細信息浅浮，例如房租，房子所在區(qū)域捷枯，房子面積等信息滚秩。
然后通過for循環(huán)，將makepage(n1,n2)函數(shù)收集到的房源鏈接一個個提取出來淮捆，使用getHouse(url)函數(shù)獲取房子信息郁油，然后將獲取的信息放到一個空列表(houselist)里，然后用pandas庫的pandas.DataFrame(houselist)攀痊，將數(shù)據(jù)表格化呈現(xiàn)桐腌。
3、清洗數(shù)據(jù)
數(shù)據(jù)被我們采集下來是非彻毒叮混亂的案站，有些字段的的數(shù)據(jù)有著很多的空缺值，根據(jù)我們采集下來的數(shù)據(jù)字段棘街，有65個字段蟆盐，其中有很多樓層字段，例如：樓層（共10層）遭殉、樓層（共12層）石挂。同時由于標題是不可能出現(xiàn)缺失值的，如果標題出現(xiàn)了缺失值险污，那就證明表格這一行數(shù)據(jù)都出現(xiàn)了缺失了痹愚。
使用df['標題'].notnull()，排除整行的缺失值。
4拯腮、將樓層數(shù)據(jù)匯集成一列窖式，刪掉關(guān)于樓層的多余列，從數(shù)據(jù)的缺失度疾瓮，以及重要性來看脖镀，小區(qū)介紹，戶型介紹狼电，服務(wù)介紹,房源亮點蜒灰，周邊配套所在小區(qū)可以清洗掉,然后將床、空調(diào)肩碟、寬帶强窖、暖氣、冰箱削祈、電視翅溺、洗衣機、熱水器合并成一列髓抑，再清洗相關(guān)字段
5咙崎、盡管將數(shù)據(jù)清洗了，但是數(shù)據(jù)里仍然包含了部分不需要的字段吨拍，而且數(shù)據(jù)排列很雜亂和不美觀褪猛，而且想把建筑面積數(shù)值、所在區(qū)域和抵押方式提取出來羹饰。這里使用到strip(),split()以及正則表達式伊滋，來提取數(shù)據(jù)。
6队秩、數(shù)據(jù)清洗完后笑旺，我們就來進行數(shù)據(jù)分析。
首先進行描述性分析
根據(jù)描述分析馍资，中位數(shù)和均值筒主，出現(xiàn)較大差距，證明租金和建筑面積都有極值出現(xiàn)鸟蟹，而且標準差和均值的差距較大物舒，說明數(shù)據(jù)比較離散，存在極值戏锹。通過散點圖、租金和建筑面積直方圖得出火诸，租金出現(xiàn)一個極值25000元锦针，建筑面積出現(xiàn)2個極值300平米。
7、現(xiàn)在來看一下各個區(qū)域的房源數(shù)量和平均數(shù)據(jù)分別是多少奈搜，從圖中可以看出平均房租租金收費高的前五地區(qū)是南屏悉盆、吉大、新香洲馋吗、唐家灣和蘭埔焕盟，同時房源數(shù)量 前五的區(qū)域分別是南屏、新香洲宏粤、吉大脚翘、唐家灣和前山
8、建立箱形圖绍哎，圖像化每個區(qū)域的房租分布来农。根據(jù)圖中顯示，分布比較均衡的區(qū)域是紅旗崇堰、老香洲沃于，三灶、唐家灣海诲、南屏繁莹、夏灣、新香洲特幔、灣仔咨演、白藤頭以及吉大房租租金都有極值出現(xiàn)，吉大甚至出現(xiàn)了整個數(shù)據(jù)極值25000塊.
9敬辣、根據(jù)文章標題雪标，建立詞云圖。詞云圖根據(jù)詞語在標題中出現(xiàn)的頻率溉跃，對詞語進行統(tǒng)計描繪村刨，字體大小決定該詞匯在整個文本的權(quán)重。從圖中可知撰茎，權(quán)重前3的詞語分別是“精裝”嵌牺、“家電 齊全”和“家私 家電”。
由于采集的數(shù)據(jù)量較少龄糊，只有500多條逆粹，不能代表珠海整體的租房情況，僅供參考炫惩。
