Airbnb短租分析

1 、数据说明

本次活动数据来自 Airbnb 于2020年10月26日公开的北京地区数据。数据源网址
数据均来源于Airbnb网站的公开信息，不包含任何个人隐私数据。
数据分为汇总版和明细版两类。listings 数据为短租房源基础信息，包括房源、房东、位置、类型、价格、评论数量和可租时间等等。字段说明：id（短租房编号）、name（房源名称）、host_id（房东编号）、host_name(房东昵称)、neighbourhood_group（地区）、neighbourhood（地区）、latitude（经度）、longitude（纬度）、room_type（房间类型）、price（价格）、minimum_nights（最小天数）、number_of_reviews（评论数）、last_review（最近评论）、reviews_per_month（每月评论量）、calculated_host_listings_count（房东在租房屋数）、availability_365（一年中可用天数）

2、数据清洗

导入数据，查看数据是否有缺失或者异常

#数据导入
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
%matplotlib inline
plt.rcParams['font.sans-serif']='SimHei'

data=pd.read_csv(r'C:\taobaoshuju\listings.csv',encoding='utf-8')
data.head()

data.info()

通过head()和info()查看数据集的简单信息，可以得知该数据集共有27439行，16列。明显看出neighbourhood_group字段缺失严重，需要删除，还有2个缺失40%左右，也可以考虑将此删除。neighbourhood列包含英文，应去除英文。

#删除列
data=data.drop(columns=['neighbourhood_group'，'last_review','reviews_per_month'])
#将neighbourhood列去掉英文
data['neighbourhood']=data['neighbourhood'].apply(lambda x:x.split("/")[0]).strip()
data

查看价格是否有异常值

去除价格为0的异常值

data=data[data['price']!=0]

3、数据分析

3.1房源地区占比

fangyuan=data.neighbourhood.value_counts().sort_values()
fangyuan
import seaborn as sns
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.figure(figsize=(12,10),dpi=80)
explode={}
for i in fangyuan.index:if i in ['朝阳区','东城区','延庆县']:explode[i]=0.05else:explode[i]=0plt.pie(fangyuan,labels=fangyuan.index,explode=explode.values(),autopct='%0.2f%%',colors=sns.color_palette('hls', n_colors=16))
plt.title('北京房源分布',fontsize=20)
plt.axis('equal')
plt.legend(loc='right')

从图中可以看到，朝阳区、东城区和延庆几乎占到北京一半的房源数量，除朝此之外，密云和海淀区房源较多。

3.2房源类型占比

房源类型一共有三种，分别是Entire home/apt （整套房源）、Private room（单独房间）、Shared room（共享房间）

fangxing=data['room_type'].value_counts()
fangxing
import seaborn as sns
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.figure(figsize=(12,10),dpi=80)
plt.pie(fangxing,labels=fangxing.index,autopct='%0.2f%%',colors=sns.color_palette('hls', n_colors=6))
plt.title('北京房型分布',fontsize=20)
plt.axis('equal')
plt.legend(loc='right')

从统计中可以看到entire home/apt的数量最多，占到61.33%，shared room的数量最少，仅占3.98%，说明大部分用户还是比较注重居住体验，共享房间的肯定会有各种不方便等劣势。

3.3查看各区域，不同房型的房源数量

quyu_type=data.groupby('neighbourhood')['room_type'].value_counts().unstack()
quyu_type.plot(figsize=(12,5),title='不同区域的不同房屋类型数量')
或者
plt.figure(figsize=(15,10))
plt.plot(quyu_type.index,quyu_type['Entire home/apt'],label='Entire home/apt')
plt.plot(quyu_type.index,quyu_type['Private room'],label='Private room')
plt.plot(quyu_type.index,quyu_type['Shared room'],label='Shared room')
plt.ylabel('数量')
plt.legend()
plt.title('不同区域的不同房屋类型数量')

从上图可以看出Shared room（共享房间）除了朝阳区外其他地区差别不大，朝阳区的Entire home/apt （整套房源）和Private room（单独房间）都是最多的。一般来说，不同辖区中，基本都是entire room/apt 数量最多，shared room数量最少，这也验证了前面的判断：大部分用户是注重居住体验的。

3.4北京房源价格分布

3.4.1房租价格在500元以下

jiage=data[data['price']<500]
jiage=jiage.neighbourhood.value_counts()
jiage.plot(figsize=(15,10),title='500元以下的房源分布',kind='barh')

房租在0-500元区间，朝阳区的房源数量遥遥领先，数量达到5000，海淀区和丰台区位居第二和第三。

3.4.2房租价格在500-1000元内

jiage1=data[(data['price']>=500)&(data['price']<1000)]
jiage1=jiage1.neighbourhood.value_counts().plot(figsize=(15,10),title='价格在500-1000元的各区房源分布',kind='barh')

房租在500-1000元区间，朝阳区的房源数据依旧位居第一，排名第二和第三的是东城区和密云县。

3.4.3房租价格在1000元以上

jiage2=data[data['price']>=1000]
jiage2=jiage2.neighbourhood.value_counts().plot(figsize=(15,10),title='大价格在1000元以上的各区房源分布',kind='barh')

短租房屋价格在1000以上区间内，延庆县，怀柔区，朝阳区位居前三。
从价格信息来看，短租房单件在1000元以下主要朝阳区、海淀区、东城区这三个区域，房租在1000元以上，主要集中在延庆县，怀柔区，朝阳区和密云区。其中值得关注的是延庆县，中高档短租房分布较多，得益于其丰富的旅游资源。短租房单价在1000元以上的酒店，地理位置分布趋向于旅游点比较多的区域，短租房单价在1000元以下的分布趋向于繁华都市。

3.5房源均价分析

3.5.1不同房屋类型的均价

data.groupby('room_type')['price'].mean().sort_values().plot.bar(figsize=(8,8),title='不同房屋类型均价',xlabel='房屋类型')

经过统计分析发现，entire home/apt 的均价最高，达到1100元；shared room的均价最低，仅有514元，均价低于entire room/apt近50%的房源。由此可以看到entire room/apt的房源数量不仅最多，同时均价也最高，说明民宿市场，还是以整租为主，共享房源只占很小一部分。

3.5.2不同区域房源均价分析

quyu_price=data.groupby('neighbourhood')['price'].mean()
quyu_price.sort_values(ascending=True,inplace=True)
quyu_price.plot.bar(figsize=(12,5),title='不同区域房源的均价')
plt.ylabel('均价')

以上分析得出，房屋均价最高的是怀柔区，延庆区和平谷区，通州区和石景山区均价较低。房源数量较多的朝阳区，房源均价较低，数量多，性价比高。

3.5.3各辖区不同房屋类型的均价

quyu_roomtype=data.groupby(['neighbourhood','room_type']).agg({'id':'size','price':'mean'})
quyu_roomtype=quyu_roomtype.rename(columns={'id':'number'})
price_r=quyu_roomtype.unstack()['price']
price_r.plot.bar(figsize=(12,5),title='不同区域内不同房屋类型的均价')

从上图中也可以看到，北京均价最高的民宿，位置处于怀柔、延庆、昌平、房山、平谷和密云，都是在北京北边，可能原因有：北边方向相比南边经济发达，北边环境好，临近燕山山脉，山水相宜，环境优越。而坐拥民宿数量最多的朝阳，均价较低，区域中心，数量多，价格低，性价比高。

3.6房东用户分析

fangdong=data.host_id.value_counts()
fangdong.describe()

房东拥有房源数量最小为1，最大为143，每个房东平均房源数量为2.67，大多数房东房源数量在[1,3]区间。

房源数量top10最多143，最少57，说明有专注短租的公司或团体。但拥有房间数在1-5间的个体房东仍然是主要的房东用户。

4、结论

4.1房源分析

Airbnb在北京的房源大多分布在北京市中心的朝阳区，东城区，人口多，地理位置最好，民宿产业发达。根据房源类型分析，entire home/apt（整套房间）的数量最多，shared room的数量最少，仅占3.98%，说明大部分用户还是比较注重居住体验，共享房间的肯定会有各种不方便等劣势。

4.2价格分析

不同房屋类型的均价，entire home/apt 的均价最高，shared room的均价最低，仅有514元，均价低于entire room/apt近50%的房源。说明民宿市场，还是以整租为主，共享房源只占很小一部分。房屋均价最高的是怀柔区，延庆区和平谷区，通州区和石景山区均价较低。房源数量较多的朝阳区，房源均价较低。

4.3房东用户分析

房东拥有房源数量最小为1，最大为143，每个房东平均房源数量为2.67，大多数房东房源数量在[1,3]区间。房源数量top10最多143，最少57，说明有专注短租的公司或团体。但拥有房间数在1-5间的个体房东仍然是主要的房东用户。