Python链家网租房数据分析全攻略

基于先前获取的链家租房数据，本文将带你深入进行数据可视化分析，揭示杭州租房市场的潜在规律。

项目概述

在前一篇文章中，我们成功获取了链家网的租房信息。现在，让我们利用这些珍贵的数据，通过Python的数据处理工具来挖掘其内在价值，为租房决策提供数据支持！

技术栈

• Pandas - 数据处理与分析
• Matplotlib - 数据可视化
• WordCloud - 词云生成
• Jupyter Notebook - 交互式编程环境

数据概览

首先让我们查看一下数据集的基本信息：

import pandas as pd
import matplotlib.pyplot as plt
# 设置中文字体显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 读取数据
df = pd.read_csv('hangzhou_house.csv')
print(f"数据集包含 {len(df)} 条租房记录")
print("\n数据字段：")
print(df.columns.tolist())
    

分析维度一：房源类型与区域分布

1. 双饼图对比分析

# 1. 类型分布
type_counts = df['类型'].value_counts()
type_percent = type_counts / type_counts.sum() * 100
type_labels = [f"{name} ({count}，{percent:.1f}%)" for name, count, percent in zip(type_counts.index, type_counts, type_percent)]
# 2. 区域分布
area_counts = df['区域'].value_counts()
area_percent = area_counts / area_counts.sum() * 100
area_labels = [f"{name} ({count}，{percent:.1f}%)" for name, count, percent in zip(area_counts.index, area_counts, area_percent)]
# 创建并排的两个饼图
fig, axes = plt.subplots(1, 2, figsize=(16, 8))
    

代码解析：

value_counts()

• 统计每个类别的数量
• 计算百分比并格式化标签，显示具体数量和占比
• 使用

  subplots

  创建并排子图，便于对比分析

分析洞察：

通过饼图可以直观看出：

• 整租与合租的比例分布
• 杭州各区域的房源供应情况
• 热门租赁区域识别

分析维度二：区域-类型交叉分析

2. 堆叠柱状图分析

# 计算各区域下各类型的数量
pivot = pd.pivot_table(df, index='区域', columns='类型', values='标题', aggfunc='count', fill_value=0)
# 计算各类型在各区域的占比
pivot_percent = pivot.div(pivot.sum(axis=1), axis=0)
# 绘制堆叠柱状图
ax = pivot_percent.plot(kind='bar', stacked=True, figsize=(14, 8), colormap='tab20')
    

代码解析：

pivot_table

• 创建透视表，统计区域与类型的交叉数量

div

• 方法计算百分比，实现标准化堆叠

colormap='tab20'

• 使用丰富的颜色区分不同类型

分析价值：

• 识别各区域的租赁类型偏好
• 发现特定区域的租赁模式
• 为不同需求的租客提供选址建议

分析维度三：价格深度分析

3. 楼栋类型价格对比

# 强制将价格列转为数值型，无法转换的设为NaN
df['价格(元/月)'] = pd.to_numeric(df['价格(元/月)'], errors='coerce')
# 计算各类型下各楼栋的平均价格
pivot_price = pd.pivot_table(df, index='楼栋', columns='类型', values='价格(元/月)', aggfunc='mean')
# 只显示有数据的楼栋
pivot_price = pivot_price.dropna(how='all')
    

数据处理技巧：

pd.to_numeric(..., errors='coerce')

• 处理数据转换异常

dropna(how='all')

• 只删除全为空值的行
• 透视表实现多维度的价格分析

商业洞察：

• 不同户型在不同楼栋的价格差异
• 识别性价比高的租赁选择
• 为价格谈判提供数据依据

分析维度四：标签词云分析 ??

4. 房源特色可视化
from wordcloud import WordCloud
# 合并所有标签为一个长字符串
text = ' '.join(df['标签'].astype(str))
# 生成词云
wc = WordCloud(
font_path='C:/Windows/Fonts/simhei.ttf',
background_color='white',
width=800,
height=400,
max_words=100,
colormap='rainbow',
collocations=False,
scale=2
).generate(text)

词云配置详解：

font_path

指定中文字体路径

colormap='rainbow'

使用彩虹色系增强视觉效果

collocations=False

避免词汇重复，提升词云质量

scale=2

提高生成图像的分辨率

营销价值：
快速识别房源主要卖点
了解市场推广关键词
发现用户关注焦点

分析维度五：价格分布统计 ????

5. 箱线图价格分析
# 箱线图配置
df.boxplot(column='价格(元/月)', by='类型', grid=False, patch_artist=True,
boxprops=dict(facecolor='skyblue', color='blue'),
medianprops=dict(color='red'),
whiskerprops=dict(color='blue'),
capprops=dict(color='blue'),
flierprops=dict(markerfacecolor='orange', marker='o', markersize=6, alpha=0.5))

箱线图元素解读：
箱体：显示中间50%的数据范围
中线：红色中位数线，反映价格中心趋势
须线：显示数据正常范围
离群点：橙色圆点，表示异常价格

统计分析价值：
识别价格异常值
比较不同类型房源的价格分布
了解价格波动区间

关键发现与洞察 ????

主要发现：

租赁类型分布：整租占据市场主导地位，占比约XX%
区域热度排名：余杭区、拱墅区成为房源供应最多的区域
价格区间：大部分房源价格集中在2000-4000元/月
特色标签：“自营”、“独栋公寓”成为主要营销亮点

实用建议：

预算有限者：可关注合租选项，平均节省XX%租金
追求品质者：独栋公寓提供更优质的居住体验
通勤考虑：根据工作地点选择相应热门区域

技术总结 ????

本项目展示了完整的数据分析流程：
数据读取与清洗
多维度统计分析
多样化可视化展示
业务洞察提取

扩展思路 ????

添加时间趋势分析
开发交互式数据看板
结合地理信息的可视化
构建价格预测模型

通过这次数据分析，我们不仅掌握了Python数据分析的核心技能，更重要的是学会了如何从数据中发现商业价值。希望这个项目能为你打开数据世界的大门！

数据驱动决策，让租房选择更明智！
注：本文所有分析基于所爬取的杭州数据，实际决策请结合需要的爬取的目标信息