概述

• 前言
• 統(tǒng)計(jì)結(jié)果
• 爬蟲技術(shù)分析
• 爬蟲代碼實(shí)現(xiàn)
• 爬蟲分析實(shí)現(xiàn)
• 后記

前言

最近各大一二線城市的房租都有上漲，究竟整體上漲到什么程度呢汽纠？我們也不得而知，于是乎 zone 為了一探究竟淑倾，便用 Python 爬取了房某下的深圳的租房數(shù)據(jù)河狐，以下是本次的樣本數(shù)據(jù)：

樣本數(shù)據(jù)

除去【不限】的數(shù)據(jù)（因?yàn)榭赡軙?huì)與后面重疊），總數(shù)據(jù)量為 16971 垢村，其中后半部分地區(qū)數(shù)據(jù)量偏少割疾，是由于該區(qū)房源確實(shí)不足。因此嘉栓，此次調(diào)查也并非非常準(zhǔn)確宏榕，權(quán)且當(dāng)個(gè)娛樂(lè)項(xiàng)目，供大家觀賞侵佃。

統(tǒng)計(jì)結(jié)果

我們且先看統(tǒng)計(jì)結(jié)果麻昼，然后再看技術(shù)分析。
深圳房源分布：（按區(qū)劃分）
其中福田與南山的房源分布是最多的趣钱。但這兩塊地的房租可是不菲啊涌献。

房源分布

房租單價(jià)：（每月每平方米單價(jià) -- 平均數(shù)）
即是 1 平方米 1 個(gè)月的價(jià)格。方塊越大首有，代表價(jià)格越高燕垃。

房租單價(jià)：平方米/月

可以看出福田與南山是獨(dú)占鰲頭，分別是 114.874 與 113.483 井联，是其他地區(qū)的幾倍卜壕。如果租個(gè)福田 20 平方的房間：

114.874 x 20 = 2297.48

再來(lái)個(gè)兩百的水電、物業(yè)：

2297.48 + 200 = 2497.48

我們節(jié)儉一點(diǎn)來(lái)算的話烙常，每天早餐 10 塊轴捎，中午 25 塊鹤盒，晚飯 25 塊：

2497.48 + 50 x 30 = 3997.48

是的，僅僅是活下來(lái)就需要 3997.48 塊侦副。
隔斷時(shí)間下個(gè)館子侦锯，每個(gè)月買些衣服，交通費(fèi)秦驯，談個(gè)女朋友尺碰，與女朋友出去逛街，妥妥滴加個(gè) 3500

3997.48 + 3500 = 7497.48

給爸媽一人一千：

7497.48 + 2000 = 9497.48

月薪一萬(wàn)妥妥滴译隘，變成了月光族亲桥。

房租單價(jià)：（每日每平方米單價(jià) -- 平均數(shù)）

即是 1 平方米 1 天的價(jià)格。

租房單價(jià)：平方米/日

以前在鄉(xiāng)下沒(méi)有寸土寸金的感覺(jué)固耘，那么可以到北上廣深體驗(yàn)一下题篷，福田區(qū)每平方米每天需要 3.829 元。[捂臉]

崩潰

戶型
戶型主要以 3 室 2 廳與 2 室 2 廳為主厅目。與小伙伴抱團(tuán)租房是最好的選擇了番枚，不然與不認(rèn)識(shí)的人一起合租，可能會(huì)發(fā)生一系列讓你不舒服的事情璧瞬。字體越大户辫，代表戶型數(shù)量越多。

戶型

戶型

租房面積統(tǒng)計(jì)
其中 30 - 90 平方米的租房占大多數(shù)嗤锉，如今之計(jì)渔欢，也只能是幾個(gè)小伙伴一起租房，抱團(tuán)取暖了瘟忱。

租房面積統(tǒng)計(jì)

租房描述詞云
這是爬取的租房描述奥额，其中字體越大，標(biāo)識(shí)出現(xiàn)的次數(shù)越多访诱。其中【精裝修】占據(jù)了很大的部分垫挨，說(shuō)明長(zhǎng)租公寓也占領(lǐng)了很大一部分市場(chǎng)。

租房描述

爬蟲思路

先爬取房某下深圳各個(gè)板塊的數(shù)據(jù)触菜，然后存進(jìn) MongoDB 數(shù)據(jù)庫(kù)九榔，最后再進(jìn)行數(shù)據(jù)分析。

各個(gè)板塊

/* 1 */
{
    "_id" : ObjectId("5b827d5e8a4c184e63fb1325"),
    "traffic" : "距沙井電子城公交站約567米涡相。",//交通描述
    "address" : "寶安-沙井-名豪麗城",//地址
    "price" : 3100,//價(jià)格
    "area" : 110,//面積
    "direction" : "朝南\r\n            ",//朝向
    "title" : "沙井 名豪麗城精裝三房 家私齊拎包住 高層朝南隨時(shí)看房",//標(biāo)題
    "rooms" : "3室2廳",//戶型
    "region" : "寶安"http://地區(qū)
}

爬蟲技術(shù)分析

• 請(qǐng)求庫(kù)：requests
• HTML 解析：BeautifulSoup
• 詞云：wordcloud
• 數(shù)據(jù)可視化：pyecharts
• 數(shù)據(jù)庫(kù)：MongoDB
• 數(shù)據(jù)庫(kù)連接：pymongo

爬蟲代碼實(shí)現(xiàn)

首先右鍵網(wǎng)頁(yè)哲泊，查看頁(yè)面源碼，找出我們要爬取得部分催蝗。

源碼

代碼實(shí)現(xiàn)切威，由于篇幅原因只展示主要代碼：（獲取一個(gè)頁(yè)面的數(shù)據(jù)）

    def getOnePageData(self, pageUrl, reginon="不限"):
        rent = self.getCollection(self.region)
        self.session.headers.update({
            'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.84 Safari/537.36'})
        res = self.session.get(
            pageUrl
        )
        soup = BeautifulSoup(res.text, "html.parser")
        divs = soup.find_all("dd", attrs={"class": "info rel"})  # 獲取需要爬取得 div

        for div in divs:
            ps = div.find_all("p")
            try:  # 捕獲異常，因?yàn)轫?yè)面中有些數(shù)據(jù)沒(méi)有被填寫完整丙号，或者被插入了一條廣告先朦，則會(huì)沒(méi)有相應(yīng)的標(biāo)簽缰冤，所以會(huì)報(bào)錯(cuò)
                for index, p in enumerate(ps):  # 從源碼中可以看出，每一條 p 標(biāo)簽都有我們想要的信息喳魏，故在此遍歷 p 標(biāo)簽棉浸，
                    text = p.text.strip()
                    print(text)  # 輸出看看是否為我們想要的信息
                print("===================================")
                # 爬取并存進(jìn) MongoDB 數(shù)據(jù)庫(kù)
                roomMsg = ps[1].text.split("|")
                # rentMsg 這樣處理是因?yàn)橛行┬畔⑽刺顚懲暾瑢?dǎo)致對(duì)象報(bào)空
                area = roomMsg[2].strip()[:len(roomMsg[2]) - 2]
                rentMsg = self.getRentMsg(
                    ps[0].text.strip(),
                    roomMsg[1].strip(),
                    int(float(area)),
                    int(ps[len(ps) - 1].text.strip()[:len(ps[len(ps) - 1].text.strip()) - 3]),
                    ps[2].text.strip(),
                    ps[3].text.strip(),
                    ps[2].text.strip()[:2],
                    roomMsg[3],
                )
                rent.insert(rentMsg)
            except:
                continue

數(shù)據(jù)分析實(shí)現(xiàn)

數(shù)據(jù)分析：

    # 求一個(gè)區(qū)的房租單價(jià)（平方米/元）
    def getAvgPrice(self, region):
        areaPinYin = self.getPinyin(region=region)
        collection = self.zfdb[areaPinYin]
        totalPrice = collection.aggregate([{'$group': {'_id': '$region', 'total_price': {'$sum': '$price'}}}])
        totalArea = collection.aggregate([{'$group': {'_id': '$region', 'total_area': {'$sum': '$area'}}}])
        totalPrice2 = list(totalPrice)[0]["total_price"]
        totalArea2 = list(totalArea)[0]["total_area"]
        return totalPrice2 / totalArea2

    # 獲取各個(gè)區(qū) 每個(gè)月一平方米需要多少錢
    def getTotalAvgPrice(self):
        totalAvgPriceList = []
        totalAvgPriceDirList = []
        for index, region in enumerate(self.getAreaList()):
            avgPrice = self.getAvgPrice(region)
            totalAvgPriceList.append(round(avgPrice, 3))
            totalAvgPriceDirList.append({"value": round(avgPrice, 3), "name": region + "  " + str(round(avgPrice, 3))})

        return totalAvgPriceDirList

    # 獲取各個(gè)區(qū) 每一天一平方米需要多少錢
    def getTotalAvgPricePerDay(self):
        totalAvgPriceList = []
        for index, region in enumerate(self.getAreaList()):
            avgPrice = self.getAvgPrice(region)
            totalAvgPriceList.append(round(avgPrice / 30, 3))
        return (self.getAreaList(), totalAvgPriceList)

    # 獲取各區(qū)統(tǒng)計(jì)樣本數(shù)量
    def getAnalycisNum(self):
        analycisList = []
        for index, region in enumerate(self.getAreaList()):
            collection = self.zfdb[self.pinyinDir[region]]
            print(region)
            totalNum = collection.aggregate([{'$group': {'_id': '', 'total_num': {'$sum': 1}}}])
            totalNum2 = list(totalNum)[0]["total_num"]
            analycisList.append(totalNum2)
        return (self.getAreaList(), analycisList)

    # 獲取各個(gè)區(qū)的房源比重
    def getAreaWeight(self):
        result = self.zfdb.rent.aggregate([{'$group': {'_id': '$region', 'weight': {'$sum': 1}}}])
        areaName = []
        areaWeight = []
        for item in result:
            if item["_id"] in self.getAreaList():
                areaWeight.append(item["weight"])
                areaName.append(item["_id"])
                print(item["_id"])
                print(item["weight"])
                # print(type(item))
        return (areaName, areaWeight)

    # 獲取 title 數(shù)據(jù)截酷，用于構(gòu)建詞云
    def getTitle(self):
        collection = self.zfdb["rent"]
        queryArgs = {}
        projectionFields = {'_id': False, 'title': True}  # 用字典指定需要的字段
        searchRes = collection.find(queryArgs, projection=projectionFields).limit(1000)
        content = ''
        for result in searchRes:
            print(result["title"])
            content += result["title"]
        return content

    # 獲取戶型數(shù)據(jù)（例如：3 室 2 廳）
    def getRooms(self):
        results = self.zfdb.rent.aggregate([{'$group': {'_id': '$rooms', 'weight': {'$sum': 1}}}])
        roomList = []
        weightList = []
        for result in results:
            roomList.append(result["_id"])
            weightList.append(result["weight"])
        # print(list(result))
        return (roomList, weightList)

    # 獲取租房面積
    def getAcreage(self):
        results0_30 = self.zfdb.rent.aggregate([
            {'$match': {'area': {'$gt': 0, '$lte': 30}}},
            {'$group': {'_id': '', 'count': {'$sum': 1}}}
        ])
        results30_60 = self.zfdb.rent.aggregate([
            {'$match': {'area': {'$gt': 30, '$lte': 60}}},
            {'$group': {'_id': '', 'count': {'$sum': 1}}}
        ])
        results60_90 = self.zfdb.rent.aggregate([
            {'$match': {'area': {'$gt': 60, '$lte': 90}}},
            {'$group': {'_id': '', 'count': {'$sum': 1}}}
        ])
        results90_120 = self.zfdb.rent.aggregate([
            {'$match': {'area': {'$gt': 90, '$lte': 120}}},
            {'$group': {'_id': '', 'count': {'$sum': 1}}}
        ])
        results120_200 = self.zfdb.rent.aggregate([
            {'$match': {'area': {'$gt': 120, '$lte': 200}}},
            {'$group': {'_id': '', 'count': {'$sum': 1}}}
        ])
        results200_300 = self.zfdb.rent.aggregate([
            {'$match': {'area': {'$gt': 200, '$lte': 300}}},
            {'$group': {'_id': '', 'count': {'$sum': 1}}}
        ])
        results300_400 = self.zfdb.rent.aggregate([
            {'$match': {'area': {'$gt': 300, '$lte': 400}}},
            {'$group': {'_id': '', 'count': {'$sum': 1}}}
        ])
        results400_10000 = self.zfdb.rent.aggregate([
            {'$match': {'area': {'$gt': 300, '$lte': 10000}}},
            {'$group': {'_id': '', 'count': {'$sum': 1}}}
        ])
        results0_30_ = list(results0_30)[0]["count"]
        results30_60_ = list(results30_60)[0]["count"]
        results60_90_ = list(results60_90)[0]["count"]
        results90_120_ = list(results90_120)[0]["count"]
        results120_200_ = list(results120_200)[0]["count"]
        results200_300_ = list(results200_300)[0]["count"]
        results300_400_ = list(results300_400)[0]["count"]
        results400_10000_ = list(results400_10000)[0]["count"]
        attr = ["0-30平方米", "30-60平方米", "60-90平方米", "90-120平方米", "120-200平方米", "200-300平方米", "300-400平方米", "400+平方米"]
        value = [
            results0_30_, results30_60_, results60_90_, results90_120_, results120_200_, results200_300_, results300_400_, results400_10000_
        ]
        return (attr, value)

數(shù)據(jù)展示：

    # 展示餅圖
    def showPie(self, title, attr, value):
        from pyecharts import Pie
        pie = Pie(title)
        pie.add("aa", attr, value, is_label_show=True)
        pie.render()

    # 展示矩形樹圖
    def showTreeMap(self, title, data):
        from pyecharts import TreeMap
        data = data
        treemap = TreeMap(title, width=1200, height=600)
        treemap.add("深圳", data, is_label_show=True, label_pos='inside', label_text_size=19)
        treemap.render()

    # 展示條形圖
    def showLine(self, title, attr, value):
        from pyecharts import Bar
        bar = Bar(title)
        bar.add("深圳", attr, value, is_convert=False, is_label_show=True, label_text_size=18, is_random=True,
                # xaxis_interval=0, xaxis_label_textsize=9,
                legend_text_size=18, label_text_color=["#000"])
        bar.render()

    # 展示詞云
    def showWorkCloud(self, content, image_filename, font_filename, out_filename):
        d = path.dirname(__name__)
        # content = open(path.join(d, filename), 'rb').read()
        # 基于TF-IDF算法的關(guān)鍵字抽取, topK返回頻率最高的幾項(xiàng), 默認(rèn)值為20, withWeight
        # 為是否返回關(guān)鍵字的權(quán)重
        tags = jieba.analyse.extract_tags(content, topK=100, withWeight=False)
        text = " ".join(tags)
        # 需要顯示的背景圖片
        img = imread(path.join(d, image_filename))
        # 指定中文字體, 不然會(huì)亂碼的
        wc = WordCloud(font_path=font_filename,
                       background_color='black',
                       # 詞云形狀涮拗，
                       mask=img,
                       # 允許最大詞匯
                       max_words=400,
                       # 最大號(hào)字體乾戏，如果不指定則為圖像高度
                       max_font_size=100,
                       # 畫布寬度和高度迂苛，如果設(shè)置了msak則不會(huì)生效
                       # width=600,
                       # height=400,
                       margin=2,
                       # 詞語(yǔ)水平擺放的頻率，默認(rèn)為0.9.即豎直擺放的頻率為0.1
                       prefer_horizontal=0.9
                       )
        wc.generate(text)
        img_color = ImageColorGenerator(img)
        plt.imshow(wc.recolor(color_func=img_color))
        plt.axis("off")
        plt.show()
        wc.to_file(path.join(d, out_filename))
        
    # 展示 pyecharts 的詞云
    def showPyechartsWordCloud(self, attr, value):
        from pyecharts import WordCloud
        wordcloud = WordCloud(width=1300, height=620)
        wordcloud.add("", attr, value, word_size_range=[20, 100])
        wordcloud.render()

后記

最近還真是挺多事情發(fā)生的鼓择，房租的暴漲三幻，其實(shí)是資本力量進(jìn)駐了租房市場(chǎng)。自如呐能、蛋殼這些長(zhǎng)租公寓念搬，相互太高房租價(jià)格，而且讓客戶簽第三方貸款協(xié)議摆出，前期發(fā)展可能需要一點(diǎn)錢朗徊，但是到后期壟斷市場(chǎng)之后，只要住房剛需在偎漫，就不會(huì)賺不回錢爷恳。最后，應(yīng)對(duì)外界條件的變動(dòng)象踊，我們還是應(yīng)該提升自己的硬實(shí)力温亲，這樣才能提升自己的生存能力。

本篇文章首發(fā)于公眾號(hào)「zone7」杯矩，關(guān)注公眾號(hào)獲取最新推文栈虚，后臺(tái)回復(fù)【深圳租房】獲取源碼。