CDA数据分析师 出品  

作者：Mika

数据：真达  

后期：泽龙

【导读】

今天让我们来聊一聊北京的二手房市场现状。

代码链接：https://edu.cda.cn/group/19/thread/241​

Show me data，用数据说话

今天我们聊一聊 北京二手房数据

点击下方视频，先睹为快：

  点击观看

对于许多在一线城市打拼的人群而言，能够在大城市安家，扎根下来都是为止奋斗的梦想。但一线城市的突破天际房价也让很多人望而却步。

转眼间2020年已经过半，大家买房子、买房子的愿望实现了吗？你关注的房子降价了吗？

之前DT财经的《我只有300万预算，能在上海买到什么样的房子？》分析了上海二手房的房价，引起了很多人的反响。

那么帝都的二手房市场又是怎样的呢？这次我们用Python来分析下北京的二手房数据。

我们使用Python获取了链家网上北京市16个区的二手房数据。首先导入要使用的数据处理包pandas,可视化工具pyecharts和plotly。

01数据读入

使用循环读入数据集，然后进行去重处理，查看一下数据集大小，可以看到去重之后一共有4403条数据。

预览以下数据:

02数据预处理

我们对数据集的各个特征进行提取和处理，以便后续的数据分析工作，主要处理工作包含：

• title：无需分析，删除

• detail_url：无需分析，删除

• position：维度过细、删除

• houseInfo：提取室、厅、面积、方位、装修、楼层（高中低）、建筑年份、板塔

• followInfo：无需分析，删除

• tag_info：提取是否靠近地铁

• total_price：提取房屋总价

• unitPrice：房屋单价

• region_name：无需处理

  
  
  

进一步处理楼层、建筑年份和房屋朝向字段。

03数据探索和可视化

以下仅列出关键部分数据可视化分析代码：

近一年北京二手房房价走势图

首先我们看到近一年来，北京二手房房价的走势图，可以看到有回调的趋势，目前的均价在每平方米57589的样子。

北京不同区域的二手房房源数量

那么北京各个区域的二手房源分布如何呢？

经过统计可以看到，朝阳区的二手房数量遥遥领先，达到25648.其次是丰台，共11094。之后海淀、昌平、大兴紧随其后。

北京不同区域的二手房均

不同区域的二手房价又是怎样的呢？西城区一马当先，以114980元每平米的价格领跑北京的二手房市场。其次，东城区以97295每平米排在第二位。海淀区以85954每平米的价格排在第三位。

代码如下：

北京二手房都处在什么价位

那么在北京买一套二手房到底要花多少钱？接着我们分析了二手房的价位，从图中可以看到总价在300-500万内的最多，占比达到35.9%。500-800万的占比26.54%。300万以下的占比19.54%。

代码如下：

北京二手房房龄分布

那么这些二手房的房龄都有多久了呢？可以看到房龄在20年以上的最多，有10946套占比33.73%，其次房龄在15-20年的有7835套，占比24.15%。5年以内的仅有1441套，占比4.44%。

是否靠近地铁和房屋单价的关系

一般来说，靠近地铁越近的房子房价越高，从分布的箱线图可以看出，以中位数来看，靠近地铁的房子单价比不不靠近地铁的房子每平米高12317元。

不同朝向的房屋数量分布

房屋朝向方面，朝南的自然是最多的，占比达到68.97%。其次是朝东的，占比18.25%。

不同房屋结构的数量分布

房屋结构方面，板楼是最多的占比64.39%。其次是塔楼，占比16.85%。板楼塔楼结合的占比16.45%。

房屋面积和房屋价格的关系

从散点图可以看出，房屋的面积和房屋价格呈现正相关，计算皮尔逊相关系数的值为0.67，为强相关。

代码如下：

卧室数量和房屋价格的关系

从分布的箱线图可以看出，卧室数量越多，面积越大，则房屋总价越高。房价呈现右偏分布，且离群值较多。

客厅数量和房屋价格的关系

客厅和卧室一样反映在房屋的面积上，客厅 数越多，则房屋总价越高。

代码如下：

装修类型和房屋单价的关系

不同装修类型花费的成本不同，从装修类型看，精装的房子单价最高，然后是简装、毛坯。

点击链接即可获取代码：https://edu.cda.cn/group/19/thread/241​

关注“CDA人工智能学院”，回复“录播”获取更多人工智能精选直播视频！