数据可视化(一):邹城房价分析

数据来自：http://www.zcfcw.cn/
用到的库：
requests
lxml
time
numpy
pyecharts

对邹城2019年在售房价数据可视化

总计爬取了2200条房产售卖信息，筛选得2116条```python
市中心区 1171
城东区域 475
城北区域 58
城南区域 86
钢山街道 14
唐村镇 26
矿区 22
城西区域 161
北宿镇 12
千泉街道 23
凫山街道 30
中心店镇 11
香城镇 4
张庄镇 3
太平镇 7
其他区域 3
峄山镇 4
看庄镇 1
大束镇 4

各区域在售情况
图：
部分区域平均价位：

各区域高低价位图：

其中：
最高：祥生群贤府，桥东苑，义务商贸城，金都花园
最低：东丽花园，南屯矿兑舟园，峄佳社区，石佳花园

各区域价位集中散点图(x轴)：
城东：

城西：

城南：

城北：

市中：

取其中较为代表的小区当前价位：

发布时间图：

爬虫：

import requests
from lxml import etree
import time
list=[]
error=[]
error_down=[]
def find_cont(url):try:#url='http://www.zcfcw.cn/sale/search/airall_ly%E4%B8%AA%E4%BA%BA_qy_fx_jg_mj_hx_zx_lc_dd.html'header={'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36'}response=requests.get(url,headers=header,timeout = 500)dom=etree.HTML(response.text)for i in range(2,102,2):place=''.join(dom.xpath('//*[@id="contectleft"]/ul['+str(i)+']/li[2]/a/text()'))home_name=''.join(dom.xpath('//*[@id="contectleft"]/ul['+str(i)+']/li[3]/a/text()'))home_high=''.join(dom.xpath('//*[@id="contectleft"]/ul['+str(i)+']/li[5]/a/text()'))home_tingwei=''.join(dom.xpath('//*[@id="contectleft"]/ul['+str(i)+']/li[6]/a/text()'))home_mj=''.join(dom.xpath('//*[@id="contectleft"]/ul['+str(i)+']/li[8]/a/text()'))home_danjia=''.join(dom.xpath('//*[@id="contectleft"]/ul['+str(i)+']/li[9]/a/text()'))home_money=''.join(dom.xpath('//*[@id="contectleft"]/ul['+str(i)+']/li[10]/a/text()'))home_time=''.join(dom.xpath('//*[@id="contectleft"]/ul['+str(i)+']/li[11]/a/text()'))import csvimport osone=[[u'地点', u'房产名',u'房子所在楼层',u'房子厅位',u'面积',u'平方售价',u'价格']]data =[[place, home_name,home_high,home_tingwei,home_mj,home_danjia,home_money,home_time]]with open('F:/python/zc_home/test.csv', 'a+',newline='') as f:w = csv.writer(f)#w.writerows(one)w.writerows(data)print(i)                except:print("error")error.append(err)callable
#生成网页链接
def url():for i in range(1,46):url='http://www.zcfcw.cn/sale/search/airallpage_ly%E4%B8%AA%E4%BA%BA_qy_fx_jg_mj_hx_zx_lc_dd_page{}.html'.format(i)list.append(url)#print(list)
def go():global errfor err in range(len(list)):print("开始爬取第{}页".format(err))print(error)find_cont(list[err])time.sleep(1.2)'''[23, 29, 30, 34, 36, 37, 38]'''
url()
print("网页获取完成")
print("开始获取房产信息")
go()
list_1=[]#处理404的网页
def go_error():global errfor i in list_1:url='http://www.zcfcw.cn/sale/search/airallpage_ly%E4%B8%AA%E4%BA%BA_qy_fx_jg_mj_hx_zx_lc_dd_page{}.html'.format(i)error_down.append(url)for err in range(len(list_1)):print("开始爬取第{}页".format(error_down[err]))find_cont(error_down[err])print(error)

#各区域销售总量代码
import collections
dic = collections.Counter(list_homename)
list_homename_1=[]
list_homename_number=[]
for i in dic:print(i,dic[i])list_homename_1.append(i)list_homename_number.append(dic[i])
#柱状图
from pyecharts.charts import Bar
from pyecharts import options as opts
bar_hn = (Bar().add_xaxis(list_homename_1).add_yaxis("各小区在售量",list_homename_number).set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-45)),title_opts=opts.TitleOpts(title="邹城各区域在售量", subtitle="2019.01-2019.10"))# 或者直接使用字典参数# .set_global_opts(title_opts={"text": "主标题", "subtext": "副标题"})
)
bar_hn.render('1.html')

#求区域平均
import numpy
city.loc[city['地区']=='市中心区'][['单价']]
g=numpy.array(city.loc[city['地区']=='市中心区'][['单价']]).tolist()
list_3=[]
list_4=[]
len(g)
for i in g:list_3.append(i[0])
for i in list_3:list_4.append(int(i.strip('元/㎡')))
def averagenum(num):nsum = 0for i in range(len(num)):nsum += num[i]return nsum / len(num)
averagenum(list_4)

#小区平均
import numpy
city.loc[city['小区名称']=='泉兴家园'][['单价']]
g=numpy.array(city.loc[city['小区名称']=='泉兴家园'][['单价']]).tolist()
list_5=[]
list_6=[]
len(g)
for i in g:list_5.append(i[0])
for i in list_5:list_6.append(int(i.strip('元/㎡')))
print(sorted(list_6))
def averagenum(num):nsum = 0for i in range(len(num)):nsum += num[i]return nsum / len(num)
averagenum(list_6)

#散点图
import matplotlib.pyplot as plt
list_0=[]
a= 2000
for i in range(len(list_4)):    list_0.append(a)a=a+10
print(sorted(list_4))
plt.scatter(list_4,list_0)
plt.show()

#折线图
import pyecharts.options as opts
from pyecharts.faker import  Faker
from pyecharts.charts import Line
c = (Line().add_xaxis(['金山新苑','文博苑','昌平花园','燕京花园(西区)','鸿顺御景城','世纪国宏','贵都花园二期','东丽花园','泰和家园','名仕豪庭','欧陆商城','南宫房小区','金山花园','泉兴家园']).add_yaxis("价位", ['7328','9241','7555','6778','8012','8199','6690','3477','7799','9204','2935','4345','7617','8928']).set_global_opts(title_opts=opts.TitleOpts(title="部分小区平均价位图"),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-45))))
c.render('2.html')

#用于处理时间排序的算法
data = []
patt = '(\d+)/(\d+)/(\d+)'#交换排序
for i in range(len(data)-1):for x in range(i+1, len(data)):j = 1while j<4:lower = re.match(patt, data[i]).group(j)upper = re.match(patt, data[x]).group(j)#print lower,upperif int(lower) < int(upper):j = 4elif int(lower) == int(upper):j += 1else:data[i],data[x] = data[x],data[i]j = 4
print(data)

其中xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-45))可以让X轴显示全部

https://pyecharts.org/

数据可视化(一):邹城房价分析相关推荐

宝藏级BI数据可视化功能|图表联动分析
在浏览其他人的BI数据可视化报表时,经常会发现这样的一个现象,点一下上一张数据可视化图表中的某个门店,下一张图表将立即针对该门店展开数据可视化分析.这是什么效果?怎么实现?BI软件中还有多少宝藏级BI ...
python对三国演义，水浒传，红楼梦人物关系与出场频率进行文本分析，数据可视化，词云分析
python对文本进行分析和数据可视化,主要运用到了jieba,worldcloudmatplotlib,nxwworkx,pandas库,其他库在代码中给出. 1.首先准备好这三本名著 2.准备好停 ...
抗击肺炎：新冠肺炎疫情数据可视化及疫情预测分析
疫情当前,共克时艰. 在新型冠状病毒感染的肺炎疫情牵动社会人心的关键时刻,本文将利用数据分析.数据挖掘.机器学习相关方法,围绕疫情态势展示.疫情走势预测进行分析,挖掘复杂异构多源数据之间的关联关系,以 ...
数据可视化(三):Python就业分析
前言 Python作为当下流行的一门语言,凭借其简单的语法和丰富的库而赢得天下. 本文所谈 Python优缺点 Python就业结论一.Python优缺点优点在搜索引擎上搜索即可获得许多答案, ...
北京房价信息(2002-2018)数据可视化
本文是数据可视化的第二篇练习文,目的是承接上一篇中国全国各省结婚率和离婚率数据可视化该篇文章主要使用的是Python数据可视化,用来分析北京地区从2002到2018年房价的趋势变化为了方便读者理解 ...
（七）CDA 数据分析师Level1考试新版大纲解析（自己整理）PART 7 业务分析报告与数据可视化报表
PART 7 业务分析报告与数据可视化报表(占比 15%) 总体要求理解业务分析报告与数据可视化报表的制作方法.能够结合业务需求撰写正确的业务分析报告,能够结合业务需求创建全面的数据可视化报表 1. ...
对比3家平台，我总结了疫情数据可视化的8点经验
www.pmcaff.com 本文为作者吾某于社区发布开年以来,随着疫情方面的数据逐渐增多,一些互联网公司也纷纷发布一些可视化的数据产品服务,让用户可以实时并直观了解最新情况,可谓一个便民利器. ...
[转载] Python数据分析之Matplotlib数据可视化实例
参考链接: 使用Python进行数据分析和可视化2 Matplotlib数据可视化的应用实例分析 :2000至2017年各季度国民生产总值数据 npy文件--numpy专用的二进制格式 np.lo ...
企业数据可视化大屏的三大优势
数据可视化屏幕是自主分析系统的解决方案,为企业提供直接表现结果,使业务人员和企业决策者直观面对数据背后的信息.市场上销售的自助分析工具是为企业提供的分析工具. 数据可视化是指通过图表.图形.地图等视觉 ...

数据可视化(一):邹城房价分析

数据可视化(一):邹城房价分析相关推荐

最新文章

热门文章