这篇文章主要讲解了“怎么运用Python进行数据分析房地产市场”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“怎么运用Python进行数据分析房地产市场”吧！
创新互联公司是一家专注于网站设计制作、网站设计与策划设计,朝阳县网站建设哪家好?创新互联公司做网站,专注于网站建设十年,网设计领域的专业建站公司;建站业务涵盖:朝阳县等地区。朝阳县做网站价格咨询:13518219792
土地市场数据一般会公示在当地的公共资源交易中心，但经常会出现只公示当周或当月数据的情况，因此，我们可以去找专业的土地网站获取交易数据。
本文以土流网为例，这个网站结构简单，简单的url翻页构造，然后用xpath解析数据即可。限于篇幅，爬虫代码不做赘述，仅提供核心代码。
def main():
for page in range(1,46): #这里设置页数
url = 'https://www.tudinet.com/market-213-0-0-0/list-o1ctime-pg{}.html'.format(page)
print(url)
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36',
}
response = requests.request("GET", url, headers = headers)
#print(response.status_code)
if response.status_code == 200:
re = response.content.decode('utf-8')
print("正在提取第" + str(page) + "页")
time.sleep(random.uniform(1,2))
print("-" * 80)
# print(re)
parse = etree.HTML(re) #解析网页
items = parse.xpath('.//div[@class="land-l-cont"]/dl')
parse_page(items)
if len(items) < 10:
print('获取完成')
break
if __name__ == '__main__':
time.sleep(random.uniform(1,2))
main()运行爬虫代码，提取到广州1238块土地数据。以下为简单清洗后部分数据：
土地成交状态
近10年广州土地招拍挂成交情况
2011年至2016年广州市土地招拍挂成交土地较少，2016年成交规划建筑面积仅为77.30万㎡。2017年以后成交规模开始步入高潮，2018年成交规划建筑面积达到1635.50万㎡。
2019年以来广州土地招拍挂成交面积（万㎡）
近10年来广州成交土地主要以工业用地、其他用地和住宅用地为主，工业用地占比高达41.19%，这也是广州工业企业发达的重要动因。
土地成交区域
近10年广州各区土地招拍挂成交面积（万㎡）
从成交区域来看，南沙区和番禺区各年都有一定土地成交，越秀区和天河区成交土地较少。2020年以来，南沙区土地市场火热，成交面积远高于广州其他地区。
房产市场分析主要包括新房和二手房交易市场，由于一般的房产信息发布平台二手房数量远大于新房，为尽可能获取更大样本数据，提高分析的准确性，本文以广州二手房成交数据进行房产市场分析。
本文通过Python获取房天下公布的广州二手房成交数据。房天下的爬虫也较为简单，爬虫逻辑类似贝壳找房，唯一需要注意的是当遍历完一个子地区后跳转下一个子地区的处理。以下给出核心代码：
def main():
#增城a080;番禺a078；南沙a084；花都a0639;白云a076；海珠a074;越秀a072；荔湾a071;天河a073;从化a079；黄埔a075
district_list = ['a084', 'a078','a080', 'a0639','a076', 'a074','a072', 'a071','a073', 'a079','a075'] #地区
for district in district_list:
for page in range(1,101): #这里设置页数
url = 'https://gz.esf.fang.com/chengjiao-{0}/i3{1}/'.format(district, page)
print(url)
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36',
}
response = requests.request("GET", url, headers = headers)
if response.status_code == 200:
re = response.content.decode('utf-8')
print("正在提取" + district +'第' + str(page) + "页")
time.sleep(random.uniform(1,2))
print("-" * 80)
# print(re)
parse = etree.HTML(re) # 解析网页
items = parse.xpath('.//div[@name="div_houselist"]/dl')
parse_page(items)
if len(items) < 30: #遍历完子地区后跳转
print('获取完成')
break
if __name__ == '__main__':
time.sleep(random.uniform(1,2))
main()代码运行几分钟就提取下22170套广州二手房数据，简单清洗后部分数据展示如下：
量价走势
近5年广州二手房量价走势
2020年1月至6月，广州二手房均价与2019年基本持平。从成交量来看，2月份受疫情影响仅成交70套二手房，3月份以来，疫情逐渐得到控制，房产市场向好，6月份成交二手房1337套。
房价分布
2020年上半年广州各区二手房均价（元/㎡）
从楼盘成交来看，2020年1月至6月广州二手房成交数量最多的楼盘为位于增城区的锦绣天伦花园，共计成交78套，成交均价为18565.40元/㎡。
相关性分析
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
import seaborn as sns
%matplotlib inline
sns.set_style('white') #设置图形背景样式为白色
df = pd.read_excel("D:\data\地产数据分析\广州二手房.xlsx")
df = df[['室','厅','面积(㎡)','层数','成交单价(元/㎡)']] #选择需要的列
df.rename(columns={'室': 'room', '厅': 'hall', '面积(㎡)': 'area', '层数': 'floor', '成交单价(元/㎡)': 'price'}, inplace=True)
fig,axes=plt.subplots(1,2,figsize=(12,5))
sns.regplot(x= 'room',y='price',data=df,color='r',marker='+',ax=axes[0])
sns.regplot(x='hall',y='price',data=df,color='g',marker='*',ax=axes[1])感谢各位的阅读，以上就是“怎么运用Python进行数据分析房地产市场”的内容了，经过本文的学习后，相信大家对怎么运用Python进行数据分析房地产市场这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！
