摘要：2017年10月党的十九大报告提出“加快建立多主体供给、多渠道保障、租购并举的住房制度” 然而从现有的《房地产估价规范》来看，影响住房租赁价格的影响因素并未形成体系，本文将借助大数据技术分析北上广深四个城市的住房租赁影响因素。利用网络爬虫技术获取房屋条件和住房租赁价格。利用 Poi 大数据获取城市居住区的区位配套条件。借助数据清洗、文本挖掘等大数据技术进行数据处理，得到住房租赁的真实数据。对区位配套条件进行重点分析，借助高德地图开放平台、Arcgis核密度分析和线性回归方程分析对区位配套条件和住房租赁价格进行空间上的分析和可视化呈现。

关键词：大数据、住房租赁价格、一线城市、影响因素、线性回归方程、Arcgis核密度分析

1. 研究背景：

据《中国新城新区发展报告 2018》显示，我国城市新区人口流动性较强，住房需求以租赁为主，具有明显的非居民化居住特征。如何把握城市新区租赁群体多层次住房需求，促进租赁住房供求总量与结构相匹配，解决好新区居住者的“安居”问题，是吸引劳动力聚集和带动新区发展的有效途径。北京、上海、广州、深圳作为一线城市中的超级城市，住房租赁需求居高不下，因此，北上广深四个超级城市尤其适合研究住房租赁价格影响因素。

1. 国内研究现状

王莉、王雪艳以1997～2016年西安市房屋租赁市场数据为研究数据集,构建影响西安市住房租赁价格的因子体系,利用因子分析法对影响西安市住房租赁价格因素进行分析,并确定出影响权重。从1997年～2016年数据及所选取指标来看,住房租赁需求市场相关因素对西安市住房租赁价格影响较大,其中城市人口自然增长率对住房租赁价格影响最显著。

1. 研究内容、技术路线及研究方法

3.1研究内容：

借助大数据技术分析北上广深四个城市的住房租赁影响因素。利用大数据网络爬虫技术从当前用户流量大的多个租房信息网站爬取房屋条件和住房租赁价格，再利用EasyGeo将获取的住房地址转化为经纬度坐标。利用 Poi 大数据获取城市居住区的区位配套条件。借助数据清洗、文本挖掘等大数据技术进行数据处理，得到住房租赁的真实数据。对区位配套条件进行重点分析，借助高德地图开放平台和Arcgis对区位配套条件和住房租赁价格进行空间上的核密度分析和可视化呈现。

3.2技术路线：

图1技术路线图

3.3研究方法

（1）文献分析法

在广泛研读和梳理相关领域文献的基础上，深入分析租房领域当前的研究成果与不足，提出本文的研究问题；通过对租房价格分析以及大数据等相关文献的研究，明确本文的总体研究框架、具体研究内容和研究方法。

（2）定性分析与定量分析相结合

本文在研究过程中多次运用定性分析与定量分析相结合来开展研究。在研究

影响租房价格的因素时，本文在文献分析的基础上通过定性分析来初步确定需求的影响因素，然后借助大数据定量研究初步选定的影响因素之间的影响关系，进而得到关键的影响因素。在进行区位配套设施研究时，在查阅大量文献期刊的基础上通过高德地图开放平台和Arcgis核密度分析进行定性分析来确定反映租房区位配套条件的相关指标，进而借助大数据方法和线性回归方程分析来定量的对租房的价格影响因素进行评价。

1. 基于大数据的租房价格信息挖取

4.1理论基础

4.1.1大数据分析框架

获取数据资源并挖掘出数据价值即为大数据分析，其分析框架具体包括数据

采集、数据清洗、数据挖掘等大数据加工的全过程。大数据技术就是指在挖掘出

数据价值的过程中所使用到的数据采集技术、数据存储技术、数据清洗技术、大

数据挖掘技术等。由于数据类型、数据来源以及研究目标等方面的不同，使得实

际大数据处理过程中用到的技术有较大差异。

4.1.2数据采集过程

数据采集指的是获取研究目标的原始大数据集。数据采集依据数据的来源和数据类型的不同可以分为网页数据采集、系统日志文件采集以及其他数据采集。

本文主要是对网页数据进行采集。

图2爬虫的结构

4.1.3数据挖掘过程及技术

数据挖掘指的是借助于数据挖掘工具对大数据进行分类汇总、提取隐藏在大

数据中对研究目标存在高价值的信息。依旧研究目标的不同，数据挖掘能够对数

据呈现的特征和状态进行描述、对数据规律进行归纳和总结或者是对历史数据总

结规律的基础上预测未来的趋势。利用数据挖掘的结果能够提出与研究目标相对

应的建议和制定决策。本文主要是对中文文本数据进行挖掘，接下来对该类数据

挖掘的过程及方法进行介绍。

4.1.4爬虫架构设计及采集

（1）目标网站和目标数据元素

本文选用信息准确率更高的主题爬虫方式获取需求信息，爬虫网站选取房天下当前最主流的网络租房信息平台，针对网站中用户发布在求租页面的具体需求元素进行爬取。网站为了提高求租信息的交互效率，在住房的不同属性上进行了分类设置和选择项设置，用户发布求租信息时，只需要对不同住房属性上的需求从选择项中选取即可，此外，还设置了留言区，方便用户对某些住房属性上的特殊需求进行表达。在房天下网站中搜索“求租”即能查询到用户自己发布在网站上的具体住房需求，如区域、居室、租金、入住时间、具体要求、联系人、电话以及发布时间等等信息。

（2）爬虫过程分析

本文选用八爪鱼网页采集器 8作为爬虫工具。八爪鱼采集器根据用户自定义的采集规则，从不同网站上获取规范化的数据，具备可视化的流程操作界面以及定期自动采集功能。同时，八爪鱼旗舰版能够实现云采集功能，用户在设定好采集规则后，程序将自动执行多线程的云采集，云采集下来的数据自动储存到云服务器中，方便用户自行下载。八爪鱼采集操作见图 3。

爬虫的具体操作流程如下：

①新建任务，将目标网站的 url 输入到 url 种子库中；将 安居客、房天下中北上广深主城区内求租信息的网址作为目标网站的 url。

②通过网址的 DNS 解析，将采集器和目标网址建立链接；

③在程序的规则栏中设定具体的爬取规则，本文以深度优先策略作为爬取策略，执行设定循环翻页、拾取目标元素、提取数据等操作，为了实现本文的研究目标以及更方便后面做数据处理，本文选取了“标题、区域、居室、租金、入住、发布时间以及具体要求”作为目标爬取元素，执行提取数据操作；

④执行保存操作并选择利用云采集功能实现数据的采集。

安居客和房天下网站上用户需求的网页元素结构均为“区位、居室、租金、具体需求”等元素，因此本文对于上述2个网站的爬虫架构设计是一致的。

图3 八爪鱼数据采集截面图

（3）爬虫结果分析

本文利用八爪鱼采集器的本地采集功能对安居客以及房天下的目标数据进行采集。采集时间为2021年10月21日-2021年10月25日，共计采集到11804 条需求数据。八爪鱼采集的数据结果见图4-图7。

图4 八爪鱼采集数据-北京

图5 八爪鱼采集数据-上海

图6 八爪鱼采集数据-广州

图7 八爪鱼采集数据-深圳

4.1.5数据处理清洗及结果

（1）数据处理

在高德数据开放平台上进行可视化分析需要把从八爪鱼采集的地理位置信息转换成经纬度坐标数据。本文选用地址标准化解析工具EasyGeo百度地图版_v3.1_window版作为数据处理工具，将八爪鱼爬取的Excel导入，EasyGeo软件的优势在于批量转换地址且不用编辑代码，后台已经编好程序直接导入Excel就可以直接获取经纬度信息。EasyGeo具体操作见图8。

图8 EasyGeo经纬度转换截图

（2）数据处理结果分析及清理

转换出的经纬度会出现一些错误，存在各个不同省份的经纬度，但是我们只需要北京、上海、广州、深圳的坐标，在Excel中使用数据筛选，选取出需要的数据。具体操作见图9-图12。

图9 EasyGeo经纬度转换结果数据-北京

图10 EasyGeo经纬度转换结果数据-上海

图11 EasyGeo经纬度转换结果数据-广州

图12 EasyGeo经纬度转换结果数据-深圳

1. 住房租赁价格影响因素分析

5.1房源分布分析

将EasyGeo经纬度转换结果数据导入高德地图开放平台进行数据可视化分析。

得到结果如下

北京的租房房源有18012条，可以看到除了周边的昌平、顺义、通州、大兴、房山、门头沟等区中心有集中房源外，北京的房子主要集中在二环外四环内，当然这片区域也是最贵的。其中朝阳区的房源最多，占了整个北京房源的1/3，海淀、丰台次之。

上海也一样，除了周边的宝山、嘉定、青浦、松江、奉贤等区中心有房源外，房源主要集中在中心城区+浦东（地铁网范围内）。总共27311条房源，浦东就有7000多条，比例超过1/4。

正在上传…重新上传取消    广州房源在四个城市中是最多的，共有39457条，主要集中在白云、天河、越秀、荔湾，以及海珠和番禺。其中白云、天河和番禺房源都超过6000条，选择丰富，不过看图也知道，3号线通勤压力巨大。

深圳的房源共有20054条，更集中在各区，除了四个新区零星分布的房源外，主要还是分布在宝安、南山（科技园）、福田、罗湖、龙岗区中心，以及坂田、布吉、3号线沿线，11号线沿线。

5.2各城市区位核密度对住房租金影响分析

核密度分析的工作原理：

核密度分析工具用于计算要素在其周围邻域中的密度。此工具既可计算点要素的密度，也可计算线要素的密度。核密度分析可用于测量建筑密度、获取犯罪情况报告，以及发现对城镇或野生动物栖息地造成影响的道路或公共设施管线。可使用 population 字段根据要素的重要程度赋予某些要素比其他要素更大的权重，该字段还允许使用一个点表示多个观察对象。可以体现出分析目标在空间上的集聚情况。

点要素的核密度分析：

核密度分析用于计算每个输出栅格像元周围的点要素的密度。概念上，每个点上方均覆盖着一个平滑曲面。在点所在位置处表面值最高，随着与点的距离的增大表面值逐渐减小，在与点的距离等于搜索半径的位置处表面值为零。仅允许使用圆形邻域。曲面与下方的平面所围成的空间的体积等于此点的Population 字段值，如果将此字段值指定为NONE则体积为 1。每个输出栅格像元的密度均为叠加在栅格像元中心的所有核表面的值之和。核函数以Silver man的著作（1986年版，第76页，方程4.5）中描述的二次核函数为基础。如果population字段设置使用的是除NONE之外的值，则每项的值用于确定点被计数的次数。例如，值3会导致点被算作三个点。值可以为整型也可以为浮点型。默认情况下，单位是根据输入点要素数据的投影定义的线性单位进行选择的，或是在输出坐标系环境设置中以其他方式指定的。如果选择的是面积单位，则计算所得的像元密度将乘以相应因子，然后写入到输出栅格。

线要素的核密度分析：

核密度分析还可用于计算每个输出栅格像元的邻域内的线状要素的密度。概念上，每条线上方均覆盖着一个平滑曲面。其值在线所在位置处最大，随着与线的距离的增大此值逐渐减小，在与线的距离等于指定的搜索半径的位置处此值为零。由于定义了曲面，因此曲面与下方的平面所围成的空间的体积等于线长度与Population字段值的乘积。每个输出栅格像元的密度均为叠加在栅格像元中心的所有核表面的值之和。用于线的核函数是根据Silver man著作中所述的用于计算点密度的二次核函数改编的。

5.2.1分析过程

（1）Poi数据爬取

本章所需要的数据包括需求的区位数据，以及表征城市居住空间区位配套条件的各类设施数据。这里主要对量化评价居住空间区位配套条件的数据进行获取。对居住空间区位配套条件评价来说，最重要的就是要清楚周边有什么地理实体。一些包含商场、车站、学校、住宅、公园等一系列体现城市功能的地理实体分布在城市各个角落，这些地理实体构成了城市内部空间结构。随着信息技术的发展，在百度地图、高德地图等一些地理信息系统上将包含地理实体名称、建筑属性、地址和地理坐标的用来反映地理实体的点称为兴趣点（Point of Interest, 简称 POI），随着电子地图上 poi 数据量逐渐庞大，这些地理实体呈现的更加精准，poi 数据作为一种新的空间大数据源，其分布模式、分布密度在城市空间分析中具有重要的意义。poi 数据能够通过各大电子地图网站申请 API 接口，通过网络爬虫获取 poi 大数据。

正在上传…重新上传取消

1. Poi数据可视化处理

拿到POI数据后，将它们在ArcGIS中显示出来首先需要在表格中对它们进行一些预处理，需要按照分隔符号将他们分列并标注X、Y显示。

正在上传…重新上传取消

由于 poi 数据为点状数据，单纯的点没有面积和体积特征无法反映各属性指标的空间分布规律，需要借助 poi 数据的密度来呈现分布。在 ArcGis 软件中执行“文件”、“添加数据”、“添加 XY 数据”将 poi 数据导入到 ArcGis 中，并在“分析工具”中选择“密度分析”中的“核密度分析”。

正在上传…重新上传取消

北京超市核密度分析图               北京商场核密度分析图

在做出每平米租金热力图和北京的超市、学校、地铁核密度分析图，我们不难看出，对北京住房租金有影响的区位因素是商场超市以及地铁，学校在北京分布很均匀，跟房价热力图无关，但是不排除名校影响。

	正在上传…重新上传取消

上海商场核密度分析图

	正在上传…重新上传取消

	正在上传…重新上传取消

	正在上传…重新上传取消

上海地铁核密度分析图

在做出上海每平米租金热力图和上海的商场、地铁、学校核密度分析图，我们不难看出，上海商场分布密度核地铁分布密度与上海每平米租金成正相关，对上海住房租金有影响的区位因素是商场超市以及地铁，学校在上海分布广泛，但是区域中心的集中效应还是跟房价有关系，但相关性不强。

5.3各城市房源距离地铁口远近跟租金的关系分析

租房，其中一个重点考虑的因素就是距离地铁的远近。我们把个城市房源距离最近地铁站的距离跟每平米租金进行了回归分析，并且计算了相关系数。

回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。回归分析是建模和分析数据的重要工具。

Linear Regression线性回归

线性回归用法简单，当给定参数a和b的时候，画在坐标图内是一条直线。当我们只用一个x来预测y，就是一元线性回归，也就是在找一个直线来拟合数据。线性回归使用最佳的拟合直线（也就是回归线）在因变量（Y）和一个或多个自变量（X）之间建立一种关系。用一个方程式来表示它，即Y=a+b*X + e，其中a表示截距，b表示直线的斜率，e是误差项。这个方程可以根据给定的预测变量（s）来预测目标变量的值。正在上传…重新上传取消

可以看到，最近地铁距离和每平米租金之间当然是有相关性的，距离地铁越近，租金越贵。北上广深的相关系数分别是-0.13，-0.17，-0.12，-0.13，可见，上海地铁站的距离对租金的影响最大，广州最小。

正在上传…重新上传取消

由之前八爪鱼爬取的数据计算各城市地铁距离每100米的租金均价可见，北

京市只要地铁在900以内，每平米租金变化不大。900米和1000米租金差距为12.5元，也就是说，租一个20平的房子，距离地铁站900米和1000米的租金差距是250元。上海市只要地铁在700以内，每平米租金变化不大，700以上租金开始明显下降。广州市每平米租金明显比其它城市低。同样，只要地铁在900以内，租金变化不大。900米和1000米租金差距为12元。深圳市只要地铁在400以内，租金变化不大。400米和500米租金差距为17.6元。也就是说，租一个20平的房子，距离地铁站400米和500米的租金差距是352元。

5.4房屋大小对每平米的租金价格影响正在上传…重新上传取消

通过Excel对之前八爪鱼爬取的北上广深四个城市的住房价格信息数据进行处理，把各城市房源的面积和每平米均价绘制出关系图。可以看到，不管是哪个城市，出租面积在15平米以内的房子每平米租金都是最贵的，也有可能租金贵的区域有更多单独出租的小房间。但是还是可以从折线图中得知，如果有认识的好友一起租大房子，不仅每平米的租金更便宜，而且还可以有一个大点的公用客厅。

5.5精装和简装对房子价格的影响

可以看到，北上广深精装的房子比简装的房子平均每平米租金要分别贵：28、16、35、46元。深圳的精简装差别最大，在深圳租一个20平精装的房子要比简装的贵上920元。

5.6房源标签词云图

对房源标签进行了统计并绘制了词云图，可以看出各城市租房时思考的侧重点

1. 以上海为例具体外部影响因素分析

6.1.宏观经济与政策因素

（1）宏观因素

①经济因素：包括经济发展、居民收入、物价、利率、汇率等；

②社会因素：包括政治安定状况、社会治安状况、城市化、房地产投机等；

③国际因素：包括世界经济状况、国际竞争状况、政治对立状况、军事冲突状况等；

④税务因素：包括租赁用房的税收政策、房产税政策、增值税政策、所得税政策等。

（2）就业政策和产业发展政策

①就业政策影响——增加就业岗位，必将带动租赁需求以上海为例，2018 年将新增加就业岗位 50 万个，对科创人员和外籍高层次人才的引进将是核心。2017 年 5 月，上海市出台《关于加快建设具有全球影响力的科技创新中心的意见》，随后第一个配套政策《关于深化人才工作体制机制改革促进人才创新创业的实施意见》推出，被称为“人才 20 条”的新政实施间，紧接着又出台 30 多项配套细则。

②产业发展影响——产业调整变化，大量高端制造业人才的引入必将带动周边租赁住房的需求。《上海市制造业转型升级“十三五”规划》中，上海划定了“制造业增加值占 GDP 比重25%”的底线，增强科技创新能力、缩短战略性新兴产业的培育期，传统优势制造业转型提升，与制造业相配套的高端生产性服务业发展带来租赁住房的需求。

（3）人口政策

研究城市人口政策，包括年龄、数量、学历、知识结构、专业、婚姻状况等方面的影响。据上海统计局最新数据，截至 2017 年底，上海常住人口达 2418.33 万人，其中外来人口972.69 万人，占比 40.22%

正在上传…重新上传取消

正在上传…重新上传取消

目前上海总人口 2400 万，本市人口 1400 万中有约 15% 租房，外来人口 1000 万中有85% 租房，共约 1000 万租房需求，租赁人口占比 40%。参考德国有 60% 左右的居民都选择了租房，其中有 77% 左右的年轻人租房，从国际经验上看，发达国家的租赁人口占比在30% 左右，我国租赁人口的增长有较大空间。正在上传…重新上传取消

（4）租赁保障政策

在 2018 年 1 月的政府工作报告中，再一次强调 “房子是用来住的、不是用来炒的”定位，“加快建立多主体供给、多渠道保障、租购并举的住房制度。”上海将加大租赁房建设力度，支持专业化、机构化的代理经租企业发展，新建和转化租赁房源 20 万套，新增代理经租房源 9 万套，建立住房租赁服务平台，落实相应的公共服务。系统推进大型居住社区配套建设，新增供应 5.5 万套各类保障房，完善共有产权住房制度，放宽廉租住房准入标准，确保保障房应保尽保。

（5）其他政策

①落户政策、孩子入学政策

上海未出台租售同权的相关政策，对租赁市场的发展不利。《2018 年非上海生源应届普通高校毕业生进沪就业申请本市户籍评分办法》中针对北京大学、清华大学的本科生直接落户开启了绿色通道的试点，这是上海市吸引人才的一个重要信号。在留学回国人员落户的方式中，对境内外获得博士研究生学位，在国内“211”高校获得本科学位或硕士学位，并在境内外高校获得硕士研究生学历学位，在国内获得硕士研究生及以上学历学位或取得副高级及以上专业技术职务任职资格，赴国（境）外进修、做访问学者满 1 年以上等人才给予落户的政策。

②限购限贷限售和补贴政策——限购限贷政策的出台，减少了市场上投资性住房的供应量单身人士可购买一套住房，已婚者最多可购买 2 套住房，外籍家庭仅可购买 1 套住房。上海试点区域临港新城对人才已初步形成限价商品房、“先租后售”公共租赁房、人才公寓、人才租房补贴“四位一体”的人才住房保障体系。

6.2市场因素

（1）租赁住房土地供应

上海租赁住房土地供应目前分为三类：

①廉租房土地供应（定向供应政府扶持）；

②纯市场化租金，完全租赁住宅土地供应（目前定向供应）；

③开发商招拍挂住宅用地中留有租赁用房，如：住宅用地中有 5% 移交给政府做公租房、15% 开发商自持的租赁住宅。上海在住房“十三五”规划中增加租赁住房用地约 340 公顷，可提供 70 万套租赁住房，约占住房用地供应量的 31%。目前已拍出 2.4 万套纯租赁房源。上海的租赁用地供应结构如图所

（2）存量土地市场

租赁住房主要还是需要通过企业过去的存量地块为主来供应，包括 区属国企商办用地：

目前各区均有一些不能销售的商办用地，正在转性成为租赁用地；产业园配套用地：产业园应利用好现有规划条件直面广大园区从业者，按 15% 配比做足各档次公寓；大学城配套用地：可以建成租赁住房，定向为毕业 1～2 年内的大学毕业生提供限价租赁住房，以解决其刚刚踏入社会时居住成本的压力，提高人才吸附力。存量商业用地：将商业用房等按规定改建为租赁住房，土地使用年限和容积率不变，土地用途调整为租赁住宅用地。

（3）存量物业改造供应：工业改居住，商改居，办公改居住存量房的改造，通过对老旧住宅小区、破旧城中村、闲置商业、废弃厂房等的升级改造，改造成青年公寓。影响有两点：一是工程改造和室内外装修直接带动水泥、钢铁、建材、家居、家电、物流、人工等上下游产业；二是使这些低估的物业得到增值，成为金融产品标的，增加社会整体财富，未来资产证券化也为金融业的发展和个人机构投资注入了活力。

（4）租赁市场中个人供应从十大重点城市整体来看，个人普租占比超 2/3，城中村占比超 1/4，机构化房源占比仅为 5%。城市间差别很大，深圳城中村比例最高，近 70% 的租赁住房供应都集中在城中村，北京这一比例也超过 1/3；个人普租仍是大多数城市的主流，如苏州超过 90%。从租赁热点的十城来看，呈现明显的“北京和长三角地区城市领先”特征：一是北京比例最高，为10.3%，是唯一超过 10%  的城市；二是长三角四城（平均 6.9%）高于京津冀（平均 5.6%）、珠三角（平均 2.6%）。

正在上传…重新上传取消

1. 总结：

随着我国住房租赁政策的不断出台及完善，估价师发挥的舞台更大更宽广。本文在研究过程中发现：德国是租赁比率最高的国家，根据德国联邦统计局数据显示，德国租赁比率高达 54.5%，超过一半的德国人都是通过租房来解决居住需求，重要的原因是具有非常全面完善的租赁保障体系，平衡“购”和“租”；通过一系列法律法规保障租赁权益；严格抑制房地产投机行为，所以我认为在住房租赁价格的评估时现行政策对不同目的下租赁价格影响很大，由于租赁价格内涵（市场化、非市场化、保障性、个性化）非常复杂，在住房租赁需求基础上深入分析对住房租赁价格的影响因素分析至关重要。

参考文献：

摘要：2017年10月党的十九大报告提出“加快建立多主体供给、多渠道保障、租购并举的住房制度” 然而从现有的《房地产估价规范》来看，影响住房租赁价格的影响因素并未形成体系，本文将借助大数据技术分析北上广深四个城市的住房租赁影响因素。利用网络爬虫技术获取房屋条件和住房租赁价格。利用 Poi 大数据获取城市居住区的区位配套条件。借助数据清洗、文本挖掘等大数据技术进行数据处理，得到住房租赁的真实数据。对区位配套条件进行重点分析，借助高德地图开放平台、Arcgis核密度分析和线性回归方程分析对区位配套条件和住房租赁价格进行空间上的分析和可视化呈现。

关键词：大数据、住房租赁价格、一线城市、影响因素、线性回归方程、Arcgis核密度分析

1. 研究背景：

据《中国新城新区发展报告 2018》显示，我国城市新区人口流动性较强，住房需求以租赁为主，具有明显的非居民化居住特征。如何把握城市新区租赁群体多层次住房需求，促进租赁住房供求总量与结构相匹配，解决好新区居住者的“安居”问题，是吸引劳动力聚集和带动新区发展的有效途径。北京、上海、广州、深圳作为一线城市中的超级城市，住房租赁需求居高不下，因此，北上广深四个超级城市尤其适合研究住房租赁价格影响因素。

1. 国内研究现状

王莉、王雪艳[1]以1997～2016年西安市房屋租赁市场数据为研究数据集,构建影响西安市住房租赁价格的因子体系,利用因子分析法对影响西安市住房租赁价格因素进行分析,并确定出影响权重。从1997年～2016年数据及所选取指标来看,住房租赁需求市场相关因素对西安市住房租赁价格影响较大,其中城市人口自然增长率对住房租赁价格影响最显著。

1. 研究内容、技术路线及研究方法

3.1研究内容：

借助大数据技术分析北上广深四个城市的住房租赁影响因素。利用大数据网络爬虫技术从当前用户流量大的多个租房信息网站爬取房屋条件和住房租赁价格，再利用EasyGeo将获取的住房地址转化为经纬度坐标。利用 Poi 大数据获取城市居住区的区位配套条件。借助数据清洗、文本挖掘等大数据技术进行数据处理，得到住房租赁的真实数据。对区位配套条件进行重点分析，借助高德地图开放平台和Arcgis对区位配套条件和住房租赁价格进行空间上的核密度分析和可视化呈现。

3.2技术路线：

图1技术路线图

3.3研究方法

（1）文献分析法

在广泛研读和梳理相关领域文献的基础上，深入分析租房领域当前的研究成果与不足，提出本文的研究问题；通过对租房价格分析以及大数据等相关文献的研究，明确本文的总体研究框架、具体研究内容和研究方法。

（2）定性分析与定量分析相结合

本文在研究过程中多次运用定性分析与定量分析相结合来开展研究。在研究

影响租房价格的因素时，本文在文献分析的基础上通过定性分析来初步确定需求的影响因素，然后借助大数据定量研究初步选定的影响因素之间的影响关系，进而得到关键的影响因素。在进行区位配套设施研究时，在查阅大量文献期刊的基础上通过高德地图开放平台和Arcgis核密度分析进行定性分析来确定反映租房区位配套条件的相关指标，进而借助大数据方法和线性回归方程分析来定量的对租房的价格影响因素进行评价。

1. 基于大数据的租房价格信息挖取

4.1理论基础

4.1.1大数据分析框架

获取数据资源并挖掘出数据价值即为大数据分析，其分析框架具体包括数据

采集、数据清洗、数据挖掘等大数据加工的全过程。大数据技术就是指在挖掘出

数据价值的过程中所使用到的数据采集技术、数据存储技术、数据清洗技术、大

数据挖掘技术等。由于数据类型、数据来源以及研究目标等方面的不同，使得实

际大数据处理过程中用到的技术有较大差异。

4.1.2数据采集过程

数据采集指的是获取研究目标的原始大数据集。数据采集依据数据的来源和数据类型的不同可以分为网页数据采集、系统日志文件采集以及其他数据采集。

本文主要是对网页数据进行采集。

图2爬虫的结构

4.1.3数据挖掘过程及技术

数据挖掘指的是借助于数据挖掘工具对大数据进行分类汇总、提取隐藏在大

数据中对研究目标存在高价值的信息。依旧研究目标的不同，数据挖掘能够对数

据呈现的特征和状态进行描述、对数据规律进行归纳和总结或者是对历史数据总

结规律的基础上预测未来的趋势。利用数据挖掘的结果能够提出与研究目标相对

应的建议和制定决策。本文主要是对中文文本数据进行挖掘，接下来对该类数据

挖掘的过程及方法进行介绍。

4.1.4爬虫架构设计及采集

（1）目标网站和目标数据元素

本文选用信息准确率更高的主题爬虫方式获取需求信息，爬虫网站选取房天下当前最主流的网络租房信息平台，针对网站中用户发布在求租页面的具体需求元素进行爬取。网站为了提高求租信息的交互效率，在住房的不同属性上进行了分类设置和选择项设置，用户发布求租信息时，只需要对不同住房属性上的需求从选择项中选取即可，此外，还设置了留言区，方便用户对某些住房属性上的特殊需求进行表达。在房天下网站中搜索“求租”即能查询到用户自己发布在网站上的具体住房需求，如区域、居室、租金、入住时间、具体要求、联系人、电话以及发布时间等等信息。

（2）爬虫过程分析

本文选用八爪鱼网页采集器 8作为爬虫工具。八爪鱼采集器根据用户自定义的采集规则，从不同网站上获取规范化的数据，具备可视化的流程操作界面以及定期自动采集功能。同时，八爪鱼旗舰版能够实现云采集功能，用户在设定好采集规则后，程序将自动执行多线程的云采集，云采集下来的数据自动储存到云服务器中，方便用户自行下载。八爪鱼采集操作见图 3。

爬虫的具体操作流程如下：

①新建任务，将目标网站的 url 输入到 url 种子库中；将 安居客、房天下中北上广深主城区内求租信息的网址作为目标网站的 url。

②通过网址的 DNS 解析，将采集器和目标网址建立链接；

③在程序的规则栏中设定具体的爬取规则，本文以深度优先策略作为爬取策略，执行设定循环翻页、拾取目标元素、提取数据等操作，为了实现本文的研究目标以及更方便后面做数据处理，本文选取了“标题、区域、居室、租金、入住、发布时间以及具体要求”作为目标爬取元素，执行提取数据操作；

④执行保存操作并选择利用云采集功能实现数据的采集。

安居客和房天下网站上用户需求的网页元素结构均为“区位、居室、租金、具体需求”等元素，因此本文对于上述2个网站的爬虫架构设计是一致的。

正在上传…重新上传取消图3 八爪鱼数据采集截面图

（3）爬虫结果分析

本文利用八爪鱼采集器的本地采集功能对安居客以及房天下的目标数据进行采集。采集时间为2021年10月21日-2021年10月25日，共计采集到11804 条需求数据。八爪鱼采集的数据结果见图4-图7。

正在上传…重新上传取消

图4 八爪鱼采集数据-北京

正在上传…重新上传取消

图5 八爪鱼采集数据-上海

正在上传…重新上传取消

图6 八爪鱼采集数据-广州

正在上传…重新上传取消

图7 八爪鱼采集数据-深圳

4.1.5数据处理清洗及结果

（1）数据处理

在高德数据开放平台上进行可视化分析需要把从八爪鱼采集的地理位置信息转换成经纬度坐标数据。本文选用地址标准化解析工具EasyGeo百度地图版_v3.1_window版作为数据处理工具，将八爪鱼爬取的Excel导入，EasyGeo软件的优势在于批量转换地址且不用编辑代码，后台已经编好程序直接导入Excel就可以直接获取经纬度信息。EasyGeo具体操作见图8。

图8 EasyGeo经纬度转换截图

（2）数据处理结果分析及清理

转换出的经纬度会出现一些错误，存在各个不同省份的经纬度，但是我们只需要北京、上海、广州、深圳的坐标，在Excel中使用数据筛选，选取出需要的数据。具体操作见图9-图12。

图9 EasyGeo经纬度转换结果数据-北京

正在上传…重新上传取消

图10 EasyGeo经纬度转换结果数据-上海

正在上传…重新上传取消

图11 EasyGeo经纬度转换结果数据-广州

正在上传…重新上传取消

图12 EasyGeo经纬度转换结果数据-深圳

1. 住房租赁价格影响因素分析

5.1房源分布分析

将EasyGeo经纬度转换结果数据导入高德地图开放平台进行数据可视化分析。

得到结果如下

上海也一样，除了周边的宝山、嘉定、青浦、松江、奉贤等区中心有房源外，房源主要集中在中心城区+浦东（地铁网范围内）。总共27311条房源，浦东就有7000多条，比例超过1/4。

正在上传…重新上传取消    广州房源在四个城市中是最多的，共有39457条，主要集中在白云、天河、越秀、荔湾，以及海珠和番禺。其中白云、天河和番禺房源都超过6000条，选择丰富，不过看图也知道，3号线通勤压力巨大。

深圳的房源共有20054条，更集中在各区，除了四个新区零星分布的房源外，主要还是分布在宝安、南山（科技园）、福田、罗湖、龙岗区中心，以及坂田、布吉、3号线沿线，11号线沿线。

5.2各城市区位核密度对住房租金影响分析

核密度分析的工作原理：

核密度分析工具用于计算要素在其周围邻域中的密度。此工具既可计算点要素的密度，也可计算线要素的密度。核密度分析可用于测量建筑密度、获取犯罪情况报告，以及发现对城镇或野生动物栖息地造成影响的道路或公共设施管线。可使用 population 字段根据要素的重要程度赋予某些要素比其他要素更大的权重，该字段还允许使用一个点表示多个观察对象。可以体现出分析目标在空间上的集聚情况。

点要素的核密度分析：

核密度分析用于计算每个输出栅格像元周围的点要素的密度。概念上，每个点上方均覆盖着一个平滑曲面。在点所在位置处表面值最高，随着与点的距离的增大表面值逐渐减小，在与点的距离等于搜索半径的位置处表面值为零。仅允许使用圆形邻域。曲面与下方的平面所围成的空间的体积等于此点的Population 字段值，如果将此字段值指定为NONE则体积为 1。每个输出栅格像元的密度均为叠加在栅格像元中心的所有核表面的值之和。核函数以Silver man的著作（1986年版，第76页，方程4.5）中描述的二次核函数为基础。如果population字段设置使用的是除NONE之外的值，则每项的值用于确定点被计数的次数。例如，值3会导致点被算作三个点。值可以为整型也可以为浮点型。默认情况下，单位是根据输入点要素数据的投影定义的线性单位进行选择的，或是在输出坐标系环境设置中以其他方式指定的。如果选择的是面积单位，则计算所得的像元密度将乘以相应因子，然后写入到输出栅格。

线要素的核密度分析：

核密度分析还可用于计算每个输出栅格像元的邻域内的线状要素的密度。概念上，每条线上方均覆盖着一个平滑曲面。其值在线所在位置处最大，随着与线的距离的增大此值逐渐减小，在与线的距离等于指定的搜索半径的位置处此值为零。由于定义了曲面，因此曲面与下方的平面所围成的空间的体积等于线长度与Population字段值的乘积。每个输出栅格像元的密度均为叠加在栅格像元中心的所有核表面的值之和。用于线的核函数是根据Silver man著作中所述的用于计算点密度的二次核函数改编的。

5.2.1分析过程

（1）Poi数据爬取

本章所需要的数据包括需求的区位数据，以及表征城市居住空间区位配套条件的各类设施数据。这里主要对量化评价居住空间区位配套条件的数据进行获取。对居住空间区位配套条件评价来说，最重要的就是要清楚周边有什么地理实体。一些包含商场、车站、学校、住宅、公园等一系列体现城市功能的地理实体分布在城市各个角落，这些地理实体构成了城市内部空间结构。随着信息技术的发展，在百度地图、高德地图等一些地理信息系统上将包含地理实体名称、建筑属性、地址和地理坐标的用来反映地理实体的点称为兴趣点（Point of Interest, 简称 POI），随着电子地图上 poi 数据量逐渐庞大，这些地理实体呈现的更加精准，poi 数据作为一种新的空间大数据源，其分布模式、分布密度在城市空间分析中具有重要的意义。poi 数据能够通过各大电子地图网站申请 API 接口，通过网络爬虫获取 poi 大数据。

正在上传…重新上传取消

1. Poi数据可视化处理

拿到POI数据后，将它们在ArcGIS中显示出来首先需要在表格中对它们进行一些预处理，需要按照分隔符号将他们分列并标注X、Y显示。

正在上传…重新上传取消

由于 poi 数据为点状数据，单纯的点没有面积和体积特征无法反映各属性指标的空间分布规律，需要借助 poi 数据的密度来呈现分布。在 ArcGis 软件中执行“文件”、“添加数据”、“添加 XY 数据”将 poi 数据导入到 ArcGis 中，并在“分析工具”中选择“密度分析”中的“核密度分析”。

正在上传…重新上传取消

北京超市核密度分析图               北京商场核密度分析图

在做出每平米租金热力图和北京的超市、学校、地铁核密度分析图，我们不难看出，对北京住房租金有影响的区位因素是商场超市以及地铁，学校在北京分布很均匀，跟房价热力图无关，但是不排除名校影响。

上海地铁核密度分析图

在做出上海每平米租金热力图和上海的商场、地铁、学校核密度分析图，我们不难看出，上海商场分布密度核地铁分布密度与上海每平米租金成正相关，对上海住房租金有影响的区位因素是商场超市以及地铁，学校在上海分布广泛，但是区域中心的集中效应还是跟房价有关系，但相关性不强。

5.3各城市房源距离地铁口远近跟租金的关系分析

租房，其中一个重点考虑的因素就是距离地铁的远近。我们把个城市房源距离最近地铁站的距离跟每平米租金进行了回归分析，并且计算了相关系数。

回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。回归分析是建模和分析数据的重要工具。

Linear Regression线性回归

线性回归用法简单，当给定参数a和b的时候，画在坐标图内是一条直线。当我们只用一个x来预测y，就是一元线性回归，也就是在找一个直线来拟合数据。线性回归使用最佳的拟合直线（也就是回归线）在因变量（Y）和一个或多个自变量（X）之间建立一种关系。用一个方程式来表示它，即Y=a+b*X + e，其中a表示截距，b表示直线的斜率，e是误差项。这个方程可以根据给定的预测变量（s）来预测目标变量的值。正在上传…重新上传取消

可以看到，最近地铁距离和每平米租金之间当然是有相关性的，距离地铁越近，租金越贵。北上广深的相关系数分别是-0.13，-0.17，-0.12，-0.13，可见，上海地铁站的距离对租金的影响最大，广州最小。

正在上传…重新上传取消

由之前八爪鱼爬取的数据计算各城市地铁距离每100米的租金均价可见，北

京市只要地铁在900以内，每平米租金变化不大。900米和1000米租金差距为12.5元，也就是说，租一个20平的房子，距离地铁站900米和1000米的租金差距是250元。上海市只要地铁在700以内，每平米租金变化不大，700以上租金开始明显下降。广州市每平米租金明显比其它城市低。同样，只要地铁在900以内，租金变化不大。900米和1000米租金差距为12元。深圳市只要地铁在400以内，租金变化不大。400米和500米租金差距为17.6元。也就是说，租一个20平的房子，距离地铁站400米和500米的租金差距是352元。

5.4房屋大小对每平米的租金价格影响

正在上传…重新上传取消

通过Excel对之前八爪鱼爬取的北上广深四个城市的住房价格信息数据进行处理，把各城市房源的面积和每平米均价绘制出关系图。可以看到，不管是哪个城市，出租面积在15平米以内的房子每平米租金都是最贵的，也有可能租金贵的区域有更多单独出租的小房间。但是还是可以从折线图中得知，如果有认识的好友一起租大房子，不仅每平米的租金更便宜，而且还可以有一个大点的公用客厅。

5.5精装和简装对房子价格的影响

可以看到，北上广深精装的房子比简装的房子平均每平米租金要分别贵：28、16、35、46元。深圳的精简装差别最大，在深圳租一个20平精装的房子要比简装的贵上920元。

5.6房源标签词云图

对房源标签进行了统计并绘制了词云图，可以看出各城市租房时思考的侧重点

1. 以上海为例具体外部影响因素分析

6.1.宏观经济与政策因素

（1）宏观因素

①经济因素：包括经济发展、居民收入、物价、利率、汇率等；

②社会因素：包括政治安定状况、社会治安状况、城市化、房地产投机等；

③国际因素：包括世界经济状况、国际竞争状况、政治对立状况、军事冲突状况等；

④税务因素：包括租赁用房的税收政策、房产税政策、增值税政策、所得税政策等。

（2）就业政策和产业发展政策

①就业政策影响——增加就业岗位，必将带动租赁需求以上海为例，2018 年将新增加就业岗位 50 万个，对科创人员和外籍高层次人才的引进将是核心。2017 年 5 月，上海市出台《关于加快建设具有全球影响力的科技创新中心的意见》，随后第一个配套政策《关于深化人才工作体制机制改革促进人才创新创业的实施意见》推出，被称为“人才 20 条”的新政实施间，紧接着又出台 30 多项配套细则。

②产业发展影响——产业调整变化，大量高端制造业人才的引入必将带动周边租赁住房的需求。《上海市制造业转型升级“十三五”规划》中，上海划定了“制造业增加值占 GDP 比重25%”的底线，增强科技创新能力、缩短战略性新兴产业的培育期，传统优势制造业转型提升，与制造业相配套的高端生产性服务业发展带来租赁住房的需求。

（3）人口政策

研究城市人口政策，包括年龄、数量、学历、知识结构、专业、婚姻状况等方面的影响。据上海统计局最新数据，截至 2017 年底，上海常住人口达 2418.33 万人，其中外来人口972.69 万人，占比 40.22%

正在上传…重新上传取消

正在上传…重新上传取消

目前上海总人口 2400 万，本市人口 1400 万中有约 15% 租房，外来人口 1000 万中有85% 租房，共约 1000 万租房需求，租赁人口占比 40%。参考德国有 60% 左右的居民都选择了租房，其中有 77% 左右的年轻人租房，从国际经验上看，发达国家的租赁人口占比在30% 左右，我国租赁人口的增长有较大空间。

正在上传…重新上传取消

（4）租赁保障政策

在 2018 年 1 月的政府工作报告中，再一次强调 “房子是用来住的、不是用来炒的”定位，“加快建立多主体供给、多渠道保障、租购并举的住房制度。”上海将加大租赁房建设力度，支持专业化、机构化的代理经租企业发展，新建和转化租赁房源 20 万套，新增代理经租房源 9 万套，建立住房租赁服务平台，落实相应的公共服务。系统推进大型居住社区配套建设，新增供应 5.5 万套各类保障房，完善共有产权住房制度，放宽廉租住房准入标准，确保保障房应保尽保。

（5）其他政策

①落户政策、孩子入学政策

上海未出台租售同权的相关政策，对租赁市场的发展不利。《2018 年非上海生源应届普通高校毕业生进沪就业申请本市户籍评分办法》中针对北京大学、清华大学的本科生直接落户开启了绿色通道的试点，这是上海市吸引人才的一个重要信号。在留学回国人员落户的方式中，对境内外获得博士研究生学位，在国内“211”高校获得本科学位或硕士学位，并在境内外高校获得硕士研究生学历学位，在国内获得硕士研究生及以上学历学位或取得副高级及以上专业技术职务任职资格，赴国（境）外进修、做访问学者满 1 年以上等人才给予落户的政策。

②限购限贷限售和补贴政策——限购限贷政策的出台，减少了市场上投资性住房的供应量单身人士可购买一套住房，已婚者最多可购买 2 套住房，外籍家庭仅可购买 1 套住房。上海试点区域临港新城对人才已初步形成限价商品房、“先租后售”公共租赁房、人才公寓、人才租房补贴“四位一体”的人才住房保障体系。

6.2市场因素

（1）租赁住房土地供应

上海租赁住房土地供应目前分为三类：

①廉租房土地供应（定向供应政府扶持）；

②纯市场化租金，完全租赁住宅土地供应（目前定向供应）；

③开发商招拍挂住宅用地中留有租赁用房，如：住宅用地中有 5% 移交给政府做公租房、15% 开发商自持的租赁住宅。上海在住房“十三五”规划中增加租赁住房用地约 340 公顷，可提供 70 万套租赁住房，约占住房用地供应量的 31%。目前已拍出 2.4 万套纯租赁房源。上海的租赁用地供应结构如图所示。

正在上传…重新上传取消

（2）存量土地市场

租赁住房主要还是需要通过企业过去的存量地块为主来供应，包括 区属国企商办用地：

目前各区均有一些不能销售的商办用地，正在转性成为租赁用地；产业园配套用地：产业园应利用好现有规划条件直面广大园区从业者，按 15% 配比做足各档次公寓；大学城配套用地：可以建成租赁住房，定向为毕业 1～2 年内的大学毕业生提供限价租赁住房，以解决其刚刚踏入社会时居住成本的压力，提高人才吸附力。存量商业用地：将商业用房等按规定改建为租赁住房，土地使用年限和容积率不变，土地用途调整为租赁住宅用地。

（3）存量物业改造供应：工业改居住，商改居，办公改居住存量房的改造，通过对老旧住宅小区、破旧城中村、闲置商业、废弃厂房等的升级改造，改造成青年公寓。影响有两点：一是工程改造和室内外装修直接带动水泥、钢铁、建材、家居、家电、物流、人工等上下游产业；二是使这些低估的物业得到增值，成为金融产品标的，增加社会整体财富，未来资产证券化也为金融业的发展和个人机构投资注入了活力。

（4）租赁市场中个人供应从十大重点城市整体来看，个人普租占比超 2/3，城中村占比超 1/4，机构化房源占比仅为 5%。城市间差别很大，深圳城中村比例最高，近 70% 的租赁住房供应都集中在城中村，北京这一比例也超过 1/3；个人普租仍是大多数城市的主流，如苏州超过 90%。从租赁热点的十城来看，呈现明显的“北京和长三角地区城市领先”特征：一是北京比例最高，为10.3%，是唯一超过 10%  的城市；二是长三角四城（平均 6.9%）高于京津冀（平均 5.6%）、珠三角（平均 2.6%）。

1. 总结：

随着我国住房租赁政策的不断出台及完善，估价师发挥的舞台更大更宽广。本文在研究过程中发现：德国是租赁比率最高的国家，根据德国联邦统计局数据显示，德国租赁比率高达 54.5%，超过一半的德国人都是通过租房来解决居住需求，重要的原因是具有非常全面完善的租赁保障体系，平衡“购”和“租”；通过一系列法律法规保障租赁权益；严格抑制房地产投机行为，所以我认为在住房租赁价格的评估时现行政策对不同目的下租赁价格影响很大，由于租赁价格内涵（市场化、非市场化、保障性、个性化）非常复杂，在住房租赁需求基础上深入分析对住房租赁价格的影响因素分析至关重要。

参考文献：

摘要：2017年10月党的十九大报告提出“加快建立多主体供给、多渠道保障、租购并举的住房制度” 然而从现有的《房地产估价规范》来看，影响住房租赁价格的影响因素并未形成体系，本文将借助大数据技术分析北上广深四个城市的住房租赁影响因素。利用网络爬虫技术获取房屋条件和住房租赁价格。利用 Poi 大数据获取城市居住区的区位配套条件。借助数据清洗、文本挖掘等大数据技术进行数据处理，得到住房租赁的真实数据。对区位配套条件进行重点分析，借助高德地图开放平台、Arcgis核密度分析和线性回归方程分析对区位配套条件和住房租赁价格进行空间上的分析和可视化呈现。

关键词：大数据、住房租赁价格、一线城市、影响因素、线性回归方程、Arcgis核密度分析

1. 研究背景：

据《中国新城新区发展报告 2018》显示，我国城市新区人口流动性较强，住房需求以租赁为主，具有明显的非居民化居住特征。如何把握城市新区租赁群体多层次住房需求，促进租赁住房供求总量与结构相匹配，解决好新区居住者的“安居”问题，是吸引劳动力聚集和带动新区发展的有效途径。北京、上海、广州、深圳作为一线城市中的超级城市，住房租赁需求居高不下，因此，北上广深四个超级城市尤其适合研究住房租赁价格影响因素。

1. 国内研究现状

王莉、王雪艳[1]以1997～2016年西安市房屋租赁市场数据为研究数据集,构建影响西安市住房租赁价格的因子体系,利用因子分析法对影响西安市住房租赁价格因素进行分析,并确定出影响权重。从1997年～2016年数据及所选取指标来看,住房租赁需求市场相关因素对西安市住房租赁价格影响较大,其中城市人口自然增长率对住房租赁价格影响最显著。

1. 研究内容、技术路线及研究方法

3.1研究内容：

借助大数据技术分析北上广深四个城市的住房租赁影响因素。利用大数据网络爬虫技术从当前用户流量大的多个租房信息网站爬取房屋条件和住房租赁价格，再利用EasyGeo将获取的住房地址转化为经纬度坐标。利用 Poi 大数据获取城市居住区的区位配套条件。借助数据清洗、文本挖掘等大数据技术进行数据处理，得到住房租赁的真实数据。对区位配套条件进行重点分析，借助高德地图开放平台和Arcgis对区位配套条件和住房租赁价格进行空间上的核密度分析和可视化呈现。

3.2技术路线：

图1技术路线图

3.3研究方法

（1）文献分析法

在广泛研读和梳理相关领域文献的基础上，深入分析租房领域当前的研究成果与不足，提出本文的研究问题；通过对租房价格分析以及大数据等相关文献的研究，明确本文的总体研究框架、具体研究内容和研究方法。

（2）定性分析与定量分析相结合

本文在研究过程中多次运用定性分析与定量分析相结合来开展研究。在研究

影响租房价格的因素时，本文在文献分析的基础上通过定性分析来初步确定需求的影响因素，然后借助大数据定量研究初步选定的影响因素之间的影响关系，进而得到关键的影响因素。在进行区位配套设施研究时，在查阅大量文献期刊的基础上通过高德地图开放平台和Arcgis核密度分析进行定性分析来确定反映租房区位配套条件的相关指标，进而借助大数据方法和线性回归方程分析来定量的对租房的价格影响因素进行评价。

1. 基于大数据的租房价格信息挖取

4.1理论基础

4.1.1大数据分析框架

获取数据资源并挖掘出数据价值即为大数据分析，其分析框架具体包括数据

采集、数据清洗、数据挖掘等大数据加工的全过程。大数据技术就是指在挖掘出

数据价值的过程中所使用到的数据采集技术、数据存储技术、数据清洗技术、大

数据挖掘技术等。由于数据类型、数据来源以及研究目标等方面的不同，使得实

际大数据处理过程中用到的技术有较大差异。

4.1.2数据采集过程

数据采集指的是获取研究目标的原始大数据集。数据采集依据数据的来源和数据类型的不同可以分为网页数据采集、系统日志文件采集以及其他数据采集。

本文主要是对网页数据进行采集。

图2爬虫的结构

4.1.3数据挖掘过程及技术

数据挖掘指的是借助于数据挖掘工具对大数据进行分类汇总、提取隐藏在大

数据中对研究目标存在高价值的信息。依旧研究目标的不同，数据挖掘能够对数

据呈现的特征和状态进行描述、对数据规律进行归纳和总结或者是对历史数据总

结规律的基础上预测未来的趋势。利用数据挖掘的结果能够提出与研究目标相对

应的建议和制定决策。本文主要是对中文文本数据进行挖掘，接下来对该类数据

挖掘的过程及方法进行介绍。

4.1.4爬虫架构设计及采集

（1）目标网站和目标数据元素

本文选用信息准确率更高的主题爬虫方式获取需求信息，爬虫网站选取房天下当前最主流的网络租房信息平台，针对网站中用户发布在求租页面的具体需求元素进行爬取。网站为了提高求租信息的交互效率，在住房的不同属性上进行了分类设置和选择项设置，用户发布求租信息时，只需要对不同住房属性上的需求从选择项中选取即可，此外，还设置了留言区，方便用户对某些住房属性上的特殊需求进行表达。在房天下网站中搜索“求租”即能查询到用户自己发布在网站上的具体住房需求，如区域、居室、租金、入住时间、具体要求、联系人、电话以及发布时间等等信息。

（2）爬虫过程分析

本文选用八爪鱼网页采集器 8作为爬虫工具。八爪鱼采集器根据用户自定义的采集规则，从不同网站上获取规范化的数据，具备可视化的流程操作界面以及定期自动采集功能。同时，八爪鱼旗舰版能够实现云采集功能，用户在设定好采集规则后，程序将自动执行多线程的云采集，云采集下来的数据自动储存到云服务器中，方便用户自行下载。八爪鱼采集操作见图 3。

爬虫的具体操作流程如下：

①新建任务，将目标网站的 url 输入到 url 种子库中；将 安居客、房天下中北上广深主城区内求租信息的网址作为目标网站的 url。

②通过网址的 DNS 解析，将采集器和目标网址建立链接；

③在程序的规则栏中设定具体的爬取规则，本文以深度优先策略作为爬取策略，执行设定循环翻页、拾取目标元素、提取数据等操作，为了实现本文的研究目标以及更方便后面做数据处理，本文选取了“标题、区域、居室、租金、入住、发布时间以及具体要求”作为目标爬取元素，执行提取数据操作；

④执行保存操作并选择利用云采集功能实现数据的采集。

安居客和房天下网站上用户需求的网页元素结构均为“区位、居室、租金、具体需求”等元素，因此本文对于上述2个网站的爬虫架构设计是一致的。

（3）爬虫结果分析

本文利用八爪鱼采集器的本地采集功能对安居客以及房天下的目标数据进行采集。采集时间为2021年10月21日-2021年10月25日，共计采集到11804 条需求数据。八爪鱼采集的数据结果见图4-图7。

正在上传…重新上传取消

图4 八爪鱼采集数据-北京

正在上传…重新上传取消

图5 八爪鱼采集数据-上海

正在上传…重新上传取消

图6 八爪鱼采集数据-广州

正在上传…重新上传取消

图7 八爪鱼采集数据-深圳

4.1.5数据处理清洗及结果

（1）数据处理

在高德数据开放平台上进行可视化分析需要把从八爪鱼采集的地理位置信息转换成经纬度坐标数据。本文选用地址标准化解析工具EasyGeo百度地图版_v3.1_window版作为数据处理工具，将八爪鱼爬取的Excel导入，EasyGeo软件的优势在于批量转换地址且不用编辑代码，后台已经编好程序直接导入Excel就可以直接获取经纬度信息。EasyGeo具体操作见图8。

图8 EasyGeo经纬度转换截图

（2）数据处理结果分析及清理

转换出的经纬度会出现一些错误，存在各个不同省份的经纬度，但是我们只需要北京、上海、广州、深圳的坐标，在Excel中使用数据筛选，选取出需要的数据。具体操作见图9-图12。

图9 EasyGeo经纬度转换结果数据-北京

正在上传…重新上传取消

图10 EasyGeo经纬度转换结果数据-上海

正在上传…重新上传取消

图11 EasyGeo经纬度转换结果数据-广州

正在上传…重新上传取消

图12 EasyGeo经纬度转换结果数据-深圳

1. 住房租赁价格影响因素分析

5.1房源分布分析

将EasyGeo经纬度转换结果数据导入高德地图开放平台进行数据可视化分析。

得到结果如下

北京的租房房源有18012条，可以看到除了周边的昌平、顺义、通州、大兴、房山、门头沟等区中心有集中房源外，北京的房子主要集中在二环外四环内，当然这片区域也是最贵的。其中朝阳区的房源最多，占了整个北京房源的1/3，海淀、丰台次之。

上海也一样，除了周边的宝山、嘉定、青浦、松江、奉贤等区中心有房源外，房源主要集中在中心城区+浦东（地铁网范围内）。总共27311条房源，浦东就有7000多条，比例超过1/4。

正在上传…重新上传取消    广州房源在四个城市中是最多的，共有39457条，主要集中在白云、天河、越秀、荔湾，以及海珠和番禺。其中白云、天河和番禺房源都超过6000条，选择丰富，不过看图也知道，3号线通勤压力巨大。

深圳的房源共有20054条，更集中在各区，除了四个新区零星分布的房源外，主要还是分布在宝安、南山（科技园）、福田、罗湖、龙岗区中心，以及坂田、布吉、3号线沿线，11号线沿线。

5.2各城市区位核密度对住房租金影响分析

核密度分析的工作原理：

核密度分析工具用于计算要素在其周围邻域中的密度。此工具既可计算点要素的密度，也可计算线要素的密度。核密度分析可用于测量建筑密度、获取犯罪情况报告，以及发现对城镇或野生动物栖息地造成影响的道路或公共设施管线。可使用 population 字段根据要素的重要程度赋予某些要素比其他要素更大的权重，该字段还允许使用一个点表示多个观察对象。可以体现出分析目标在空间上的集聚情况。

点要素的核密度分析：

核密度分析用于计算每个输出栅格像元周围的点要素的密度。概念上，每个点上方均覆盖着一个平滑曲面。在点所在位置处表面值最高，随着与点的距离的增大表面值逐渐减小，在与点的距离等于搜索半径的位置处表面值为零。仅允许使用圆形邻域。曲面与下方的平面所围成的空间的体积等于此点的Population 字段值，如果将此字段值指定为NONE则体积为 1。每个输出栅格像元的密度均为叠加在栅格像元中心的所有核表面的值之和。核函数以Silver man的著作（1986年版，第76页，方程4.5）中描述的二次核函数为基础。如果population字段设置使用的是除NONE之外的值，则每项的值用于确定点被计数的次数。例如，值3会导致点被算作三个点。值可以为整型也可以为浮点型。默认情况下，单位是根据输入点要素数据的投影定义的线性单位进行选择的，或是在输出坐标系环境设置中以其他方式指定的。如果选择的是面积单位，则计算所得的像元密度将乘以相应因子，然后写入到输出栅格。

线要素的核密度分析：

核密度分析还可用于计算每个输出栅格像元的邻域内的线状要素的密度。概念上，每条线上方均覆盖着一个平滑曲面。其值在线所在位置处最大，随着与线的距离的增大此值逐渐减小，在与线的距离等于指定的搜索半径的位置处此值为零。由于定义了曲面，因此曲面与下方的平面所围成的空间的体积等于线长度与Population字段值的乘积。每个输出栅格像元的密度均为叠加在栅格像元中心的所有核表面的值之和。用于线的核函数是根据Silver man著作中所述的用于计算点密度的二次核函数改编的。

5.2.1分析过程

（1）Poi数据爬取

本章所需要的数据包括需求的区位数据，以及表征城市居住空间区位配套条件的各类设施数据。这里主要对量化评价居住空间区位配套条件的数据进行获取。对居住空间区位配套条件评价来说，最重要的就是要清楚周边有什么地理实体。一些包含商场、车站、学校、住宅、公园等一系列体现城市功能的地理实体分布在城市各个角落，这些地理实体构成了城市内部空间结构。随着信息技术的发展，在百度地图、高德地图等一些地理信息系统上将包含地理实体名称、建筑属性、地址和地理坐标的用来反映地理实体的点称为兴趣点（Point of Interest, 简称 POI），随着电子地图上 poi 数据量逐渐庞大，这些地理实体呈现的更加精准，poi 数据作为一种新的空间大数据源，其分布模式、分布密度在城市空间分析中具有重要的意义。poi 数据能够通过各大电子地图网站申请 API 接口，通过网络爬虫获取 poi 大数据。

正在上传…重新上传取消

1. Poi数据可视化处理

拿到POI数据后，将它们在ArcGIS中显示出来首先需要在表格中对它们进行一些预处理，需要按照分隔符号将他们分列并标注X、Y显示。

正在上传…重新上传取消

由于 poi 数据为点状数据，单纯的点没有面积和体积特征无法反映各属性指标的空间分布规律，需要借助 poi 数据的密度来呈现分布。在 ArcGis 软件中执行“文件”、“添加数据”、“添加 XY 数据”将 poi 数据导入到 ArcGis 中，并在“分析工具”中选择“密度分析”中的“核密度分析”。

正在上传…重新上传取消

北京超市核密度分析图               北京商场核密度分析图

在做出每平米租金热力图和北京的超市、学校、地铁核密度分析图，我们不难看出，对北京住房租金有影响的区位因素是商场超市以及地铁，学校在北京分布很均匀，跟房价热力图无关，但是不排除名校影响。

上海商场核密度分析图

上海地铁核密度分析图

在做出上海每平米租金热力图和上海的商场、地铁、学校核密度分析图，我们不难看出，上海商场分布密度核地铁分布密度与上海每平米租金成正相关，对上海住房租金有影响的区位因素是商场超市以及地铁，学校在上海分布广泛，但是区域中心的集中效应还是跟房价有关系，但相关性不强。

5.3各城市房源距离地铁口远近跟租金的关系分析

租房，其中一个重点考虑的因素就是距离地铁的远近。我们把个城市房源距离最近地铁站的距离跟每平米租金进行了回归分析，并且计算了相关系数。

回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。回归分析是建模和分析数据的重要工具。

Linear Regression线性回归

线性回归用法简单，当给定参数a和b的时候，画在坐标图内是一条直线。当我们只用一个x来预测y，就是一元线性回归，也就是在找一个直线来拟合数据。线性回归使用最佳的拟合直线（也就是回归线）在因变量（Y）和一个或多个自变量（X）之间建立一种关系。用一个方程式来表示它，即Y=a+b*X + e，其中a表示截距，b表示直线的斜率，e是误差项。这个方程可以根据给定的预测变量（s）来预测目标变量的值。正在上传…重新上传取消

可以看到，最近地铁距离和每平米租金之间当然是有相关性的，距离地铁越近，租金越贵。北上广深的相关系数分别是-0.13，-0.17，-0.12，-0.13，可见，上海地铁站的距离对租金的影响最大，广州最小。

正在上传…重新上传取消

由之前八爪鱼爬取的数据计算各城市地铁距离每100米的租金均价可见，北

京市只要地铁在900以内，每平米租金变化不大。900米和1000米租金差距为12.5元，也就是说，租一个20平的房子，距离地铁站900米和1000米的租金差距是250元。上海市只要地铁在700以内，每平米租金变化不大，700以上租金开始明显下降。广州市每平米租金明显比其它城市低。同样，只要地铁在900以内，租金变化不大。900米和1000米租金差距为12元。深圳市只要地铁在400以内，租金变化不大。400米和500米租金差距为17.6元。也就是说，租一个20平的房子，距离地铁站400米和500米的租金差距是352元。

5.4房屋大小对每平米的租金价格影响正在上传…重新上传取消

通过Excel对之前八爪鱼爬取的北上广深四个城市的住房价格信息数据进行处理，把各城市房源的面积和每平米均价绘制出关系图。可以看到，不管是哪个城市，出租面积在15平米以内的房子每平米租金都是最贵的，也有可能租金贵的区域有更多单独出租的小房间。但是还是可以从折线图中得知，如果有认识的好友一起租大房子，不仅每平米的租金更便宜，而且还可以有一个大点的公用客厅。

5.5精装和简装对房子价格的影响

可以看到，北上广深精装的房子比简装的房子平均每平米租金要分别贵：28、16、35、46元。深圳的精简装差别最大，在深圳租一个20平精装的房子要比简装的贵上920元。

5.6房源标签词云图

对房源标签进行了统计并绘制了词云图，可以看出各城市租房时思考的侧重点

1. 以上海为例具体外部影响因素分析

6.1.宏观经济与政策因素

（1）宏观因素

①经济因素：包括经济发展、居民收入、物价、利率、汇率等；

②社会因素：包括政治安定状况、社会治安状况、城市化、房地产投机等；

③国际因素：包括世界经济状况、国际竞争状况、政治对立状况、军事冲突状况等；

④税务因素：包括租赁用房的税收政策、房产税政策、增值税政策、所得税政策等。

（2）就业政策和产业发展政策

①就业政策影响——增加就业岗位，必将带动租赁需求以上海为例，2018 年将新增加就业岗位 50 万个，对科创人员和外籍高层次人才的引进将是核心。2017 年 5 月，上海市出台《关于加快建设具有全球影响力的科技创新中心的意见》，随后第一个配套政策《关于深化人才工作体制机制改革促进人才创新创业的实施意见》推出，被称为“人才 20 条”的新政实施间，紧接着又出台 30 多项配套细则。

②产业发展影响——产业调整变化，大量高端制造业人才的引入必将带动周边租赁住房的需求。《上海市制造业转型升级“十三五”规划》中，上海划定了“制造业增加值占 GDP 比重25%”的底线，增强科技创新能力、缩短战略性新兴产业的培育期，传统优势制造业转型提升，与制造业相配套的高端生产性服务业发展带来租赁住房的需求。

（3）人口政策

研究城市人口政策，包括年龄、数量、学历、知识结构、专业、婚姻状况等方面的影响。据上海统计局最新数据，截至 2017 年底，上海常住人口达 2418.33 万人，其中外来人口972.69 万人，占比 40.22%

目前上海总人口 2400 万，本市人口 1400 万中有约 15% 租房，外来人口 1000 万中有85% 租房，共约 1000 万租房需求，租赁人口占比 40%。参考德国有 60% 左右的居民都选择了租房，其中有 77% 左右的年轻人租房，从国际经验上看，发达国家的租赁人口占比在30% 左右，我国租赁人口的增长有较大空间。

正在上传…重新上传取消

（4）租赁保障政策

在 2018 年 1 月的政府工作报告中，再一次强调 “房子是用来住的、不是用来炒的”定位，“加快建立多主体供给、多渠道保障、租购并举的住房制度。”上海将加大租赁房建设力度，支持专业化、机构化的代理经租企业发展，新建和转化租赁房源 20 万套，新增代理经租房源 9 万套，建立住房租赁服务平台，落实相应的公共服务。系统推进大型居住社区配套建设，新增供应 5.5 万套各类保障房，完善共有产权住房制度，放宽廉租住房准入标准，确保保障房应保尽保。

（5）其他政策

①落户政策、孩子入学政策

上海未出台租售同权的相关政策，对租赁市场的发展不利。《2018 年非上海生源应届普通高校毕业生进沪就业申请本市户籍评分办法》中针对北京大学、清华大学的本科生直接落户开启了绿色通道的试点，这是上海市吸引人才的一个重要信号。在留学回国人员落户的方式中，对境内外获得博士研究生学位，在国内“211”高校获得本科学位或硕士学位，并在境内外高校获得硕士研究生学历学位，在国内获得硕士研究生及以上学历学位或取得副高级及以上专业技术职务任职资格，赴国（境）外进修、做访问学者满 1 年以上等人才给予落户的政策。

②限购限贷限售和补贴政策——限购限贷政策的出台，减少了市场上投资性住房的供应量单身人士可购买一套住房，已婚者最多可购买 2 套住房，外籍家庭仅可购买 1 套住房。上海试点区域临港新城对人才已初步形成限价商品房、“先租后售”公共租赁房、人才公寓、人才租房补贴“四位一体”的人才住房保障体系。

6.2市场因素

（1）租赁住房土地供应

上海租赁住房土地供应目前分为三类：

①廉租房土地供应（定向供应政府扶持）；

②纯市场化租金，完全租赁住宅土地供应（目前定向供应）；

③开发商招拍挂住宅用地中留有租赁用房，如：住宅用地中有 5% 移交给政府做公租房、15% 开发商自持的租赁住宅。上海在住房“十三五”规划中增加租赁住房用地约 340 公顷，可提供 70 万套租赁住房，约占住房用地供应量的 31%。目前已拍出 2.4 万套纯租赁房源。上海的租赁用地供应结构如图所示。

（2）存量土地市场

租赁住房主要还是需要通过企业过去的存量地块为主来供应，包括 区属国企商办用地：

目前各区均有一些不能销售的商办用地，正在转性成为租赁用地；产业园配套用地：产业园应利用好现有规划条件直面广大园区从业者，按 15% 配比做足各档次公寓；大学城配套用地：可以建成租赁住房，定向为毕业 1～2 年内的大学毕业生提供限价租赁住房，以解决其刚刚踏入社会时居住成本的压力，提高人才吸附力。存量商业用地：将商业用房等按规定改建为租赁住房，土地使用年限和容积率不变，土地用途调整为租赁住宅用地。

（3）存量物业改造供应：工业改居住，商改居，办公改居住存量房的改造，通过对老旧住宅小区、破旧城中村、闲置商业、废弃厂房等的升级改造，改造成青年公寓。影响有两点：一是工程改造和室内外装修直接带动水泥、钢铁、建材、家居、家电、物流、人工等上下游产业；二是使这些低估的物业得到增值，成为金融产品标的，增加社会整体财富，未来资产证券化也为金融业的发展和个人机构投资注入了活力。

（4）租赁市场中个人供应从十大重点城市整体来看，个人普租占比超 2/3，城中村占比超 1/4，机构化房源占比仅为 5%。城市间差别很大，深圳城中村比例最高，近 70% 的租赁住房供应都集中在城中村，北京这一比例也超过 1/3；个人普租仍是大多数城市的主流，如苏州超过 90%。从租赁热点的十城来看，呈现明显的“北京和长三角地区城市领先”特征：一是北京比例最高，为10.3%，是唯一超过 10%  的城市；二是长三角四城（平均 6.9%）高于京津冀（平均 5.6%）、珠三角（平均 2.6%）

1. 总结：

随着我国住房租赁政策的不断出台及完善，估价师发挥的舞台更大更宽广。本文在研究过程中发现：德国是租赁比率最高的国家，根据德国联邦统计局数据显示，德国租赁比率高达 54.5%，超过一半的德国人都是通过租房来解决居住需求，重要的原因是具有非常全面完善的租赁保障体系，平衡“购”和“租”；通过一系列法律法规保障租赁权益；严格抑制房地产投机行为，所以我认为在住房租赁价格的评估时现行政策对不同目的下租赁价格影响很大，由于租赁价格内涵（市场化、非市场化、保障性、个性化）非常复杂，在住房租赁需求基础上深入分析对住房租赁价格的影响因素分析至关重要。

基于大数据的一线城市住房租赁影响因素分析相关推荐

1. 报名 | 基于大数据的中国城市技术社会治理探索

   本讲座选取北京.深圳.成都三个城市基于大数据手段的技术社会治理探索的四个街道(区)的典型案例,以社区社会资本.行政资源配置力度为划分标准,将这些街区的探索实践归纳为四种中国城市大数据技术社会治理模式. ...

2. 215页10万字基于大数据的智慧城市解决方案

   第一章 智慧城市概述 ......................................................................................... ...

3. 10万字基于大数据的智慧城市解决方案word

   本资料来源公开网络,仅供个人学习,请勿商用,如有侵权请联系删除 篇幅有限,无法完全展示,喜欢资料可转发+评论,私信了解更多信息. 2.3 体系架构设计 2.3.1 体系架构 XXX联通智慧城市体系结构 ...

4. 基于大数据的城市可视化治理：辅助决策模型与应用

   作为数据分析和知识挖掘的常用方法, 可视化在城市规划.管理工作中的运用日见增多.考虑大数据的基本特性和可视化技术本质, 从图像展示.图像理解.图像运用三方面对管理决策的动态过程加以探索, 提出大数据可 ...

5. 基于大数据的城市轨道交通客流分析及调控策略【附PPT】

   来源:2020世界交通运输大会(WTC) 北京交通大学 交通运输学院 姚恩建教授的分享,支持原创,版权归作者所有,如有侵权,联系立删.禁止二次转载.欢迎转发支持.公众号内回复[轨道交通],获取PPT下 ...

6. 基于星环科技大数据平台 辽宁城市建设职业技术学院打造智慧校园

   当今世界,发展职业教育已经成为各国应对危机.促进就业.迎接新工业革命挑战的共同行动.同时数字化技术的快速发展,改变着学习和教育,将成为职业教育系统整体改革与创新发展的战略选择. 星环科技与北京点为信息 ...

7. 大数据在智慧城市中重要的作用

   随着大数据的广泛应用和人工智能的迅速发展,"智慧"一词已不再仅仅用于描述人类,而是用于描述一个城市或一个国家.从政府的决策和服务,到人们的生活方式.食品.服装.住房和交通,到城市的 ...

8. 《大数据》第1期“专题”——大数据与智慧城市

   大数据与智慧城市 陈宝权1,程章林2 1. 山东大学计算机科学与技术学院 济南 250101: 2. 中国科学院深圳先进技术研究院 深圳 518055 摘要:城市大数据的关联分析与智能提取是智慧城市建 ...

9. 大数据在智慧城市中的应用

   摘要:文章首先介绍了大数据和智慧城市的概念.大数据的应用潜力和当前国际上智慧城市的建设概况,然后简要介绍了大数据的四个方面共16种关键技术,最后参考欧盟提出的大数据在智慧城市应用的九个方面,提出了自己 ...

10. 毕业设计 题目：基于大数据的共享单车数据分析

    文章目录 0 前言 1 项目背景 2 项目分析思维导图 3 项目分析具体步骤 3.1 读取数据 3.2 数据分析 3.1.1 数据预处理--每日使用量分析 3.1.2 连续7天的单日使用分析结论 3. ...

最新文章

1. Day 03 为什么大学生难管理时间
2. 开发日记-20190705 关键词 读书笔记 《Perl语言入门》Day 2
3. struts中简单的校验
4. leetcode 201. Bitwise AND of Numbers Range(位运算,dp)
5. c语文编程提取郑码的单字码表
6. 《大数据》2015年第3期“研究”——大数据流式计算：应用特征和技术挑战
7. mongodb更新操作符$unset
8. 苏宁双11战报：0点~1点 线上订单同比增72%
9. 实现国标GB/T2818视频流媒体解决方案EasyGBS国标GB28181-2016版的sip协议tcp沾包流程说明介绍
10. C#递归拷贝文件夹下文件以及文件夹
11. ug区域轮廓铣没有重叠距离_UG编程轮廓铣的切削参数“清理几何体”，360°无死角扫除！...
12. 内网穿透外网访问内网 MySQL 数据库教程
13. M7贴片二极管可以与什么型号的二极管通用？
14. DXGI高帧率屏幕录像软件源码解析（声音捕获，抓屏，ffmpeg录像，MP4录像，flv录像，麦克风采集）（第2篇声音采集部分）
15. 苹果发布无线充新专利，苹果Find My技术成为近几年苹果的重要创新
16. 【脚本】get_pixel（用PIL中自带的getpixel，得到单张图像或者某个文件夹中所有图像的P模式index）
17. MacOS 打开软件出现xxx将对您的电脑造成伤害, 您应该将它移到废纸篓. 的解决方式.md
18. 油猴（tampermonkey）脚本安装及使用教程
19. 电子产品安规测试及检测设备
20. 如何进行PLC数据采集？如何进行PLC录波？如何进行PLC时序分析？看，我的工作成果PLC-Recorder!

热门文章

1. 有监督学习与无监督学习的区别
2. usb接口供电不足_分享电脑usb接口供电不足解决方法
3. 360软件小助手-壁纸存储路径
4. 2019数字音乐市场年度回顾，QQ音乐全面领先
5. python初学问题：IndentationError: expected an indented block
6. 如何将网址链接生成在微信可跳转的网址二维码
7. 程序猿---北京骑行天津~~~~
8. python 获取复数的实部和虚部
9. 计算机报考电子邮箱格式,电子邮箱格式怎么写
10. taptap评论爬虫