2019上半年深圳二手楼市热度如何？(链家数据爬取&分析）

文章目录

2019上半年深圳二手楼市热度如何？(链家数据爬取&分析）
- 1.多进程爬取2w+链家网深圳已成交二手房数据
- 2.数据清洗与初探
- - 2.1、数据清洗
  - 2.2、数据初探
- 3.分析深圳2019上半年二手楼市：
- - 3.1、2019上半年深圳二手房成交情况总览：
  - 3.2、对比2018/2019上半年楼市，其热度有什么变化？
  - 3.3、对比2018/2019上半年楼市，加价/减价成交情况有何变化？
  - 3.4、2019上半年哪类房子比较好卖？（成交数量多）
  - 3.5、其他
- 4.总结

1.多进程爬取2w+链家网深圳已成交二手房数据

具体步骤省略（阅读时可跳过此处，具体内容及代码欢迎查阅&fork：https://www.kesci.com/home/project/5d5e4ca78499bc002c05b75e）

注意代码应记录或提示爬取出错的相关信息，以便查询。
注意异常处理，以免程序假死或失败。

2.数据清洗与初探

2.1、数据清洗

具体步骤省略（阅读时可跳过此处，具体内容及代码欢迎查阅&fork：https://www.kesci.com/home/project/5d5e4ca78499bc002c05b75e）

去除无用字段、提取字段信息、字段数值化等等后，数据集的基本信息如下：
在部分数值字段描述中发现异常：

可以发现建成年代最大值存在异常，竟然有二手楼盘是2058年建成！
于是先找到建成年代大于等于2020年的楼盘，如下：

直接查询同名楼盘建成年代众数来填补错误，并检查。

2.2、数据初探

数据整体房源分布、成交单价初探：
用powermap可视化二手房源位置及区域平均单价：
显然近香港的罗湖区、福田区、南山区成交楼盘最为密集，价格也最高。
查看整体数据中，挂牌和成交时间分布直方图：
可以发现2015上半年及之前基本没有挂牌信息，爬取的数据主要集中在2018及2019年。
我们会简单对比2019和2018上半年情况，并着重分析2019h1的房源情况。

3.分析深圳2019上半年二手楼市：

3.1、2019上半年深圳二手房成交情况总览：

2019上半年部分数值字段描述：
2019上半年共成交8802套二手房，平均成交价390.658259，平均成交单价5.512047，平均成交周期126.419791，平均建筑面积70.323028。
2019h1深圳二手房成交量日历图：
用pyechart作成交量日历图，观察到三、四月成交较多，且周日、周一比较火热。

3.各区成交单价箱型图：
成交单价方面南山区首屈一指，而宝安区已超过了中心区域的罗湖区。

3.2、对比2018/2019上半年楼市，其热度有什么变化？

首先提取2018年上半年（1.1~6.30）成交数据，看一下部分字段描述：
2018年上半年，共成交4813个楼盘，而2019h1成交数是8802，两者差别较大。
2018年上半年浏览、建成年代略有缺失，套内面积缺失严重，若需建模需考虑填补或舍去。
通过powermap观察2018h1、2019h1二手房成交分布情况差异：
由图可以发现2018上半年缺失龙岗区的成交记录，验证数据后发现确实如此（略）。
所以在和2018h1对比时，2019h1应剔除龙岗区的成交记录。单独讨论2019h1时则使用其全部数据。
提取2019年上半年（1.1~6.30）成交数据（除龙岗区），看一下整体描述：
2019年上半年（除龙岗区），共成交6813个楼盘。
浏览、建成年代略有缺失,套内面积缺失严重，若需建模需考虑填补或舍去。
对比2018h1和2019h1(除龙岗区)：
图1. 楼盘成交周期分布更加平缓，19上半年卖出的房源，挂牌时间往往更久。
图2. 成交楼盘中户型成交倾向由原来70-80平，改为80-90平，意味着成交价格更高。
图3. 成交价、单价等价格相关均有不同程度上涨。
另外，带看量和浏览数明显增加，可能体现了热度的增长，但主要和网站用户量和数据收集情况有关，仅可参考。

简评：
虽然19年上半年房价高企，但大家却倾向于买更大建筑面积楼盘，可见资金仍然比较充足，土豪或加杠杆的人数仍比较多。
另外楼盘平均成交周期增长，可能体现了买家相较过去更为谨慎。
目前来看，2019上半年深圳楼市"似乎"还是相当火热！

3.3、对比2018/2019上半年楼市，加价/减价成交情况有何变化？

2019上半年（除龙岗区）成交二手房加减价比例：
从图中了解到加价成交占总体成交5.02%，减价成交占87.42%
2018上半年成交二手房加减价比例：
我们再参考一下2018h1的情况，发现18年上半年减价成交占比更少，加价成交占比更多。
2018h1/2019h1(除龙岗区)成交加减价情况：
由图可知，2019h1(除龙岗区)加价成交幅度略增，减价成交的幅度增加明显。
另外，2019h1(除龙岗区)的楼盘成交平均要降价15.78万。
2019h1各区成交平均降价幅度：
其中南山区、宝安区、龙华区这三个成交量居中的区域，平均降价幅度最大。
另外我们再观察各区域降价情况，南山区这样比较不错的地段，平均降价30万+才能成交。
无论如何，在出价策略长期不变的情况下，可见出价者和求购者的认知存在偏差。

3.4、2019上半年哪类房子比较好卖？（成交数量多）

ps:为缩减篇幅只分析一部分较有价值的属性。

2019h1、2018h1建筑面积kde图：
由图可知40平左右小户型和80平左右中户型比较好卖。
房屋朝向成交量、成交价、成交单价关系图：
朝向南或北的房子好卖，但同时朝南北却卖得不是很多。
由图或查看数据可知：虽然南北朝向平均单价不高，但可能面积较大，成交总价较高，令人生畏。
户型、装修成交情况：
成交数前5的户型中，前三名是"2室1厅1厨1卫",“1室1厅1厨1卫”,“2室2厅1厨1卫”。看来还是主流户型（性价比高）比较好卖呀！
精装房最受欢迎。毛坯成交量最少，查阅数据可知其平均单价倒数第二，但平均总价却最高。
区域成交量：
罗湖区、龙岗区二手房最好卖。
楼层数分布及楼层位置成交情况：
楼盘总层数为7层或32层左右比较好卖
房屋在中层比较好卖，高层太吓人，底层阳光少，视野窄。
是否配电梯及梯户比例成交情况：
这年头都是高楼大厦，没电梯简直难于上青天。其中一梯四户，一梯两户，两梯四户比较好卖。
建成年代成交量分布图：
2000~2008左右建成的房子成交量较多

3.5、其他

WordCloud-楼盘热度：
哪些是热门楼盘？
下图是部分字段的相关系数热力图，我们会发现：
（1）成交周期和调价存在弱相关性。
（2）关注数和带看次数有一定相关性，但关注数和带看次数并没有和成交周期形成负相关。
（3）浏览数和关注数没有多大关系，所以这方面数据仅供参考。
（4）有趣的是，浏览数最高达到532127的楼盘，成交周期还是要112天，估计是业主做了推广，但仍没有很快成交。
tableau仪表盘：
https://public.tableau.com/views/2019_15670928250750/1?:embed=y&:display_count=yes&:origin=viz_share_link

4.总结

通过上面的分析，我们了解到深圳2019h1的二手楼市，同比2018h1，2019h1的房价依然稳中有进，较为火热，但平均成交周期更长，减价成交比例增加,买卖方认知差异拉大，买方更加谨慎。
所以如果想卖得更快，早点变现，可以先考察一下自己房子属性如何，如果优势不大则适当减价吧。
想起今年的一句流行言论：“2019可能是过去10年最差的一年，但也是未来10年最好的一年。”面对可能出现变局的房地产市场，我们能做的就是持续关注，做好功课，免得决策失误，拍断大腿！

欢迎查阅本篇代码完整版：https://www.kesci.com/home/project/5d5e4ca78499bc002c05b75e
博文地址：https://blog.csdn.net/richand112233/article/details/100109296

2019上半年深圳二手楼市热度如何？(链家数据爬取分析）相关推荐

【完整版】2019h1深圳二手楼市热度如何？(数据爬取、分析建模)
2019h1深圳二手楼市热度如何?(数据爬取.分析&建模) 文章目录 2019h1深圳二手楼市热度如何?(数据爬取.分析&建模) 一.数据爬取 1.1 多进程爬取2w+深圳已成交二手房 ...
利用pandas对在链家网爬取的租房数据进行清洗
爬虫代码可以参考这篇文章,全是干货,在此不再赘述. 爬下来的数据就可以进行数据清洗啦!首先确定需要处理的字段.因为后续准备做回归,所以我的变量设置是这样的: 清洗前的数据如下所示: 结合模型的变量.数 ...
链家java_java爬取链家网数据
int num = 1; String path = "D:\\房源信息.txt"; BufferedWriter bf = new BufferedWriter(new File ...
爬虫实战：链家租房数据爬取，实习僧网站数据爬取
前面已经进行了爬虫基础部分的学习,于是自己也尝试爬了一些网站数据,用的策略都是比较简单,可能有些因素没有考虑到,但是也爬取到了一定的数据,下面介绍两个爬过的案例. 爬虫实战链家网站爬取实习僧网站爬 ...
链家网杭州租房信息数据爬取+数据分析
参考https://mp.weixin.qq.com/s/vvZ2yBb2eMKP800LUPoAWg 需求分析¶ 过去一个月,全国热点城市的房租如脱缰野马.一线的房租同比涨了近20%.一夜醒来,无产 ...
成都二手房长啥样 —— 基于链家数据
下面的分析的源数据是从链家网上抓取的成都二手房数据,截至时间2019年1月16日.目的也简单,一个想买房的人关注一下所在城市的房价情况. 需要注意的问题: 只含普通住房, 不含公寓.别墅链家网上只有 ...
爬链家数据（武汉光谷房价）
爬链家数据 #-*- coding:utf-8-*- import urllib import urllib.request import re from bs4 import BeautifulSo ...
链家网沈阳二手房数据分析——从数据爬取到数据分析
数据爬取主要是通过使用requests实现的,鉴于爬取数据的流程简单以及电脑的性能所限,没有使用scrapy框架,而是使用where循环手动控制页码的形式,每次爬取5页信息,并将信息写入.csv文件中 ...
python爬取分析深圳二手房房价
刚入门学习Python爬虫,因为后边将会去深圳发展,所以练习了一个用python爬取深圳房价进行可视分析的项目,希望有所帮助. 好!进入正题! 我选择爬取的是链家网的深圳二手房网页,截图如下: 查看链 ...
成都链家网租房信息分析报告
前言临近毕业,面临找工作找住所的问题.正好赶上正好赶上最近在学习数据分析,于是尝试对链家网上的租房信息进行分析,了解一下最近的租房行情. 提出猜想简单分析了一下影响租房价格的因素,根据可以爬取到的 ...

2019上半年深圳二手楼市热度如何？(链家数据爬取分析）