先上爬虫代码：GitHub

第一次写爬虫，1万多条数据，程序跑了10分钟，不会异步也不会多线程，新手默默学习中。。。

大致浏览一下数据：

包括：房屋描述，区域，地区，小区，房型，面积，楼层，朝向，价格，年限，更新时间，看房人数，网站从数据库导入数据

import pandas as pd

import pymysql

conn = pymysql.connect(user='root', password='123456', db='mysql', charset='utf8)

sql = "select * from lianjia_zufang;"

df = pd.read_sql(sql, conn)

房屋数量分布

先看看各个行政区有多少套房子在租：

df['区域'].value_counts()

Out[121]:

天河 2320

海珠 2070

白云 2024

番禺 2016

荔湾 1660

越秀 1019

黄埔 548

增城 351

花都 98

南沙 2

Name: 区域, dtype: int64

可以看到，在租房子最多的是天河(毕竟CBD地处天河)，一共2320套，海珠、白云、番禺也有2000以上，而黄埔、增城、花都、南沙都只有600以下。

房租我们最关注的自然是房租

1、先看看广州房屋租金的均价：

df['价格'].mean()

Out[116]: 4476.5121407333991

4476.5元/月，由于链家上的租房几乎都是小区房，所以价格相对城中村要高出很多。

2、各个行政区的均价：

df.pivot_table('价格', index='区域', aggfunc='mean')

Out[123]:

价格

区域

南沙 1850.000000

增城 2644.415954

天河 6449.176724

海珠 4796.315942

番禺 4048.680556

白云 3647.347826

花都 2249.959184

荔湾 3358.348193

越秀 5171.309127

黄埔 3229.863139

不出所料，最贵的当属天河(毕竟CBD地处天河)，其次是荔湾，最便宜的是南沙(从化没有数据)

使用R语言的ggplot2包画图直观的看一下：

3、再来看看广州租房最贵的前十的价格，以及月租超1万的有多少：

df.sort_index(by='价格', ascending=False)['价格'][:10]

Out[115]:

2873 126000

1699 100000

6267 90000

6203 90000

1172 70000

9083 70000

1239 65000

9053 60000

2773 60000

1281 60000

len(df[df['价格'] > 10000])

Out[117]: 440

可以看到，最贵的月租是126,000元/月，超1万月租的有440个，看来预留给土豪的租房还是挺多的。

那为什么最贵的租金能达到126,000元/月，我们找出其链接，仔细瞧瞧：

df.sort_index(by='价格', ascending=False).iloc[0,]['网站']

Out[120]: 'https://gz.lianjia.com/zufang/GZ0002955763.html'

可以看到，这是一栋450平的三层楼别墅，且地处麓湖旁，也难怪要这么贵了。但是仔细看，“本房带看：0”，且已发布68天，所以虽然有钱人多，但是毕竟一个月租金就抵了我等屌丝一年的工资了，后面的话就不说了。

4、我也通过链家租过房子，发现在楼梯房中，低楼层(5层以下)相对于中高楼层(5层或以上)，租金要相对更贵一些，那么整个广州的情况是不是这样的呢？

一般来说，10楼以下算是楼梯房。所以首先需要拆分“楼层”一列，找出10楼以下的所有租房：

louceng = df['楼层'].str.split('共', expand=True)[1].str.split(

'层', expand=True)[0].astype(np.int64)

df_lc = df.iloc[louceng[louceng<= 10].index,]

df_lc['楼层'] = df_lc['楼层'].str.split('(', expand=True)[0]

接下来就可以看看，不同楼层的楼梯房的均价是多少：

df_lc.pivot_table('价格', index='楼层', aggfunc='mean')

Out[138]:

价格

楼层

中楼层 3147.789580

低楼层 4463.925785

未知楼层 3600.000000

高楼层 3029.949907

不出所料，低楼层相对中高楼层的租金，平均要高出1000多！！所以年轻人多爬爬楼还是能省不少钱的。

5、一般来说朝向也是决定房租的重要因素之一：

先看看分组统计情况：

df['朝向'].value_counts()

Out[139]:

南 4046

北 1976

南 北 1423

东南 1319

东 1089

西南 633

东北 580

西 551

西北 384

东 西 100

暂无数据 7

Name: 朝向, dtype: int64

我们要对比四个朝向的租金，故将“东南”、“西南”改为“南”，“东北”、“西北”，“南 北”与“东 西”意思是南北/东西通透，改为“通透”：

df['朝向'][df['朝向'] == '东南'] = "南"

df['朝向'][df['朝向'] == '西南'] = "南"

df['朝向'][df['朝向'] == '东北'] = "北"

df['朝向'][df['朝向'] == '西北'] = "北"

df['朝向'][df['朝向'] == '南 北'] = "通透"

df['朝向'][df['朝向'] == '东 西'] = "通透"

再看一下统计：

df['朝向'].value_counts()

Out[152]:

南 5998

北 2940

通透 1523

东 1089

西 551

暂无数据 7

Name: 朝向, dtype: int64

接下来就可以统计不同朝向的房屋租金均价的对比情况：

df1.pivot_table('价格', index='朝向', aggfunc='mean')

Out[153]:

价格

朝向

东 4068.001837

北 4416.052041

南 4407.339947

暂无数据 2471.428571

西 3890.382940

通透 5379.012475

按照我们的理解，朝南的房子租金应该更贵才对，但是从数据看来朝北的价格会相对更贵，当然这也可能是种种因素造成的。而南北/东西通透的房子租金要高出不少，这很容易理解。

房屋租金与面积之间是什么关系呢？面积越大是否租金越贵？

用R画图看看：

整体看来，确实是面积越大租金越贵。但是有一个面积超过1200的房子，租金却不是最高的，我们进去网页瞧一瞧：

df1[df1['面积'] > 1200]['网站']

Out[155]:

2773 https://gz.lianjia.com/zufang/GZ0002618107.html

Name: 网站, dtype: object

啊，是一栋办公楼，难怪比住房租金便宜。

听说有很多人想去腾讯大楼蹲点“求打发”，不如看看广州哪个小区更值得蹲点：

df1.pivot_table('价格', index='小区', aggfunc='mean').sort_values(

by='价格', ascending=False)[:10]

Out[164]:

价格

小区

麓湖名轩鸿燊北路 126000.000000

侨鑫汇悦台 62666.666667

汇景新城世家 60000.000000

广州雅居乐花园御景峰 58333.333333

南油大厦 48000.000000

二沙岛花城苑 48000.000000

凯旋新世界广粤尊府 42500.000000

凯旋会 42000.000000

金碧华府D区 40000.000000

天汇广场天銮 40000.000000

有一起组队的吗？QAQ

第一次写知乎，敬请各位大神指导！！！