四、各区情况

作为买房者第一步就是看房选房,那么各区的情况是怎样的呢?下面从买房者比较注重的五个方面横向对比一下。

1.各区总价

(图中红点为本区域的均值)

果然不出所料,西城、东城、海淀、朝阳四区均值和中位数均在前列,且数据区间分布比较广,而一些新兴的郊区如房山、门头沟、燕郊总价则较为集中,大概是因为房子是同一时期建设,功能需求也比较单一的缘故。

另外我注意到,各区的总价均值均不同程度的偏离中位点,城区偏离较大,郊区偏离较小,是不是因为城区房子需求多样,一些别墅豪宅拉高了均值?值得注意是顺义的均值超过了上四分位数,是不是顺义有较大比例的高档房产呢?

下面换个角度,以二维直方图来展示下

由于各区二手房总量差异较大,这里的颜色代表的是总价区间在本区的占比,从这张图上可以看到西城、东城、海淀、朝阳、顺义确实有一定数量的千万房产。

2.各区单价

这张图很有意思,能发现很多东西。

第一,市区的房价高,郊区房价低,这傻子都知道,呵呵。第一梯队东西城、海淀50%的房子单价都在5万以上,想买这些地方的房子,看看腰包鼓不鼓,第二梯队朝阳、丰台、石景山大部分房子都在3万以上,第三梯队剩下的区房价大部分都在2万5以下,燕郊最低,基本上在1万2左右;

第二,市区的房价范围广,均值偏离中位数幅度大,比如东西城,应该是这两区一些高质量的学区房导致。

3.各区面积

(图中红点为本区域的均值)

可以看出一个趋势,郊区的房子要比市区的房子大。例如东西城面积中位数在75平米左右,而昌平、亦庄等均在100平米左右。还有就是市区房子面积范围较大,而郊区可能起步较晚,基本上建筑年代都在同一时期,房子的面积也较为单一。

顺义200平米的房子比例不少,再结合其千万以上的总价,看来顺义卧虎藏龙。

4.各区建筑年代

这张图上印证了上面的猜测,昌平、房山、亦庄、通州、燕郊等郊区房子建筑年代较为集中,尤其是燕郊,基本上都是2010年左右的房子,而最近因市政府东迁而大火的通州75%的房子是2000年后。而东西城、海淀等区域则是各个年代的房子都有。

从这张图似乎更能明显的看出,昌平、通州、亦庄、燕郊都有一些颜色较深的色块。大兴、房山、顺义、亦庄、燕郊均有超过20%的2010年后的房子,东城、石景山、西城则有20%的90年以前的老房子。

5.各区学区

再来看一下喜闻乐见的学区房,不出所料,海淀区的学区房最多,朝阳区学区次之。由于没有对学区的质量进行分类,东西城这两区虽然数量不如前两者,但是从质量上这两区应该是不言而喻的。

上面,从5个方面分区域做了一下比较,总结一下,喜欢新房的多去昌平通州等区走走,想要学区房的海淀、朝阳是你的选择,如果你只想最贵的,那么东城、西城是你的不二之选,如果你是土豪,顺义是个好去处。

五、一些有意思的事

1.房子是不是随着时代的发展越来越大了呢?

因为大部分房子都在1985 ~ 2015这个时间段,我将视角集中在这个时间段。图中红线为均值,
蓝线为中位数。

从图上可以很清楚的看出在1995年房屋面积有一个很明显的上扬,到2000年左右保持平稳,从之前的60平到100平,从2005年开始又有小幅度的下降,难道是刚开始起高了?还有一点是,1995年前的房子,均值和中位数基本持平,95年之后均值大于中位数10个平方左右,是否可以得出以前我们都是无产阶级,现在确实有一部分先富起来了哈哈。

看来,随着时代的发展房屋面积确实有了不小的增长,希望随着时代的进步,人人都能住得起大房子。

2.学区房房价要比非学区贵多少呢?

数据显示,各个区学区房房价确实要比非学区贵一些,这个差距大概在5000 ~ 15000左右,石景山、西城这个差距
较大,都在10000以上,昌平和海淀稍微低些,大约每平方相差8,9千,朝阳东城相差的不多,丰台通州几乎持平。

3.那些地方房价最贵?

这些房价最贵的地方除万柳其余都在二环以里,基本上分布在北京最中心的地带,果然寸土寸金啊。

4.哪些地方千万豪宅最多?

而一些豪宅就不一样了,除金融街其余都在三环以外。这也难怪,三环里面就那么点地方,早就占满了,想要豪宅就得往郊区盖,比如中央别墅区、西北旺都在五环以外。

5.哪些地方学区最多呢?

学区最多的十个区域,朝阳四个,海淀两个,西城两个,东城两个。

六、总结

通过两篇文章,我尝试对北京二手房的一些特点进行了分析,分析很初级,基本上就是统计个数量或者比例,对于一些高大上的统计分析方法也在学习当中,等学的差不多了,再补上。

说句题外话,即便是最简单的数据展示和统计分析也能让人学到不少东西,当你着手开始做的时候,你会碰到各种各样的问题,小到图形的字体怎么调整、图形的legend如何改变,大到一些统计方法的实用、数据的处理方法等,鼓励大家根据自己的兴趣,自己动手整一个小的数据集,在这个基础上有目的的进行学习,有道是,当你上路了,你就已经进步了。

当Python和R遇上北京二手房(下)相关推荐

  1. 当 Python 和 R 遇上北京二手房

    转载自:http://python.jobbole.com/86190/ 最近忙活了一阵子,终于把房子的事情落实了,俗话说饱暖思淫欲,某天突发奇想能不能利用手头上的一些工具对北京的二手房数据捣鼓一下, ...

  2. 当Python和R遇上北京二手房(上)

    最近忙活了一阵子,终于把房子的事情落实了,俗话说饱暖思淫欲,某天突发奇想能不能利用手头上的一些工具对北京的二手房数据捣鼓一下,看看能不能有一些有意思的发现?想到以前有点python经验,正巧最近也在看 ...

  3. python爬取安居客网站上北京二手房数据

    目标:爬取安居客网站上前10页北京二手房的数据,包括二手房源的名称.价格.几室几厅.大小.建造年份.联系人.地址.标签等. 网址为:https://beijing.anjuke.com/sale/ B ...

  4. Python开发爬虫之BeautifulSoup解析网页篇:爬取安居客网站上北京二手房数据

    目标:爬取安居客网站上前10页北京二手房的数据,包括二手房源的名称.价格.几室几厅.大小.建造年份.联系人.地址.标签等. 网址为:https://beijing.anjuke.com/sale/ B ...

  5. python 安居客 爬虫_Python开发爬虫之BeautifulSoup解析网页篇:爬取安居客网站上北京二手房数据...

    page1 宏星地产租售部 新出!1700南花园, 赠500万红木家具 3800万 106442元/m2 5室2厅 357m2 共3层 2008年建造 夏秋冬 碧水庄园 昌平-沙河-定泗路 ['独栋别 ...

  6. 利用Python对链家网北京二手房进行简单数据分析

    #首先我用爬虫获取到了链家二手房的一万多条信息,我在爬去的时候对空置进行了处理 本文主要讲述如何通过pandas对爬虫下来的链家数据进行相应的二手房数据分析,主要分析内容包括各个区,各个小区的房源信息 ...

  7. python和stata_Python遇上Stata--IPyStata介绍

    本文作者:任哲,中南财经政法大学经济学院 文字编辑:王子一 技术总编:张馨月 前言 我们都知道Python是一种胶水语言,那么自然就会有人想,能不能在Python中与Stata进行互动呢?在国外有位名 ...

  8. HDG 北京站:当华为讲师遇上北京牛人,我承认你们赢了……

    文/华为开发者社区 华为开发者汇北京站已完美落幕,身处现场的观众朋友们是不是已经被我们高端大气上档次.低调奢华有内涵的社区活动所感染呢?这里有资深的讲师.对技术饱含热情的小伙伴.丰盛的午餐.惬意的下午 ...

  9. python 获取百度地图上北京地铁的数据,然后excel导出

    今天有人叫我写一下怎样获取百度上地铁的站的名字和线路的代码,我顺手写了一下,这里分享一下我的过程: import requests import jsonimport pandas as pd# ur ...

最新文章

  1. java设置虚基类的目的_设置虚基类的目的是( )。
  2. 【Elastic Stack学习】ELK日志分析平台(一)ELK简介、ElasticSearch集群
  3. Facebook开源NLP建模框架PyText,从论文到产品部署只需数天
  4. python接口测试之requests详解_Python接口测试-requests库
  5. 优雅地关闭资源,try-with-resource语法和lombok@Cleanup
  6. 入手腾龙SP AF90mm MACRO
  7. ARM中各始终之间的关系,FCLK HCLK PCLK的关系
  8. 做旋转铁甲机器人_「铁甲评测」柳工CLG921E视频全面讲解
  9. 【原型设计】第三节:Axure RP9 母版的使用说明以及操作教程
  10. 周鸿祎创业史细说漫谈话神秘
  11. 安装打印机提示未能添加服务器,打印机未能链接到服务器
  12. [SAS Hard Coding] 车型对应车商代码
  13. matlab电机仿真精华50例 清晰版,MATLAB电机仿真精华50例PDF 源码.part1
  14. win10企业版2016长期服务版本---低配置电脑最适合的win10版本
  15. 使用PRSice进行多基因风险评分分析
  16. 深度学习常规概念(持续更新)
  17. 2020年教师资格证考试课件百度云网盘地址分享
  18. cocos creator 动态设置精灵图片
  19. 软件产品易用性评价评估标准
  20. “政府工作报告词云”实例详解

热门文章

  1. 使用PowerShell管理员身份激活Windows 10
  2. 使用QT绘制倒车轨迹线
  3. python图画制作_用python绘画一些简单图片
  4. 六度分离 (无向图最短路径问题)
  5. 计算机学校用的哪种ps,经常用ps用什么配置电脑
  6. 英语学习录——12月
  7. 通讯:博物馆里过大年——英国科学博物馆举办科学“春晚”
  8. 控制富文本table不能超过div宽度_强悍!基于Vue的无渲染的富文本编辑器——tiptap!...
  9. 顶尖的SaaS商业公司
  10. 关于bash quote的认识