用Python告诉你深圳房租有多高

概述

• 前言
• 统计结果
• 爬虫技术分析
• 爬虫代码实现
• 爬虫分析实现
• 后记

前言

最近各大一二线城市的房租都有上涨，究竟整体上涨到什么程度呢？我们也不得而知，于是乎 zone 为了一探究竟，便用 Python 爬取了房某下的深圳的租房数据，以下是本次的样本数据：

样本数据

除去【不限】的数据（因为可能会与后面重叠），总样本数据量为 16971 条，其中后半部分地区数据量偏少，是由于该区房源确实不足。因此，此次调查也并非非常准确，权且当个娱乐项目，供大家观赏。

统计结果

我们且先看统计结果，然后再看技术分析。
深圳房源分布：（按区划分）
其中福田与南山的房源分布是最多的。但这两块地的房租可是不菲啊。

房源分布

房租单价：（每月每平方米单价 -- 平均数）
即是 1 平方米 1 个月的价格。方块越大，代表价格越高。

房租单价：平方米/月

可以看出福田与南山是独占鳌头，分别是 114.874 与 113.483 ，是其他地区的几倍。如果租个福田 20 平方的房间：

114.874 x 20 = 2297.48

再来个两百的水电、物业：

2297.48 + 200 = 2497.48

我们节俭一点来算的话，每天早餐 10 块，中午 25 块，晚饭 25 块：

2497.48 + 50 x 30 = 3997.48

是的，仅仅是活下来就需要 3997.48 块。

隔断时间下个馆子，每个月买些衣服，交通费，谈个女朋友，与女朋友出去逛街，妥妥滴加个 3500

3997.48 + 3500 = 7497.48

给爸妈一人一千：

7497.48 + 2000 = 9497.48

月薪一万妥妥滴，变成了月光族。

房租单价：（每日每平方米单价 -- 平均数）

即是 1 平方米 1 天的价格。

租房单价：平方米/日

以前在乡下没有寸土寸金的感觉，那么可以到北上广深体验一下，福田区每平方米每天需要 3.829 元。[捂脸]

崩溃

户型
户型主要以 3 室 2 厅与 2 室 2 厅为主。与小伙伴抱团租房是最好的选择了，不然与不认识的人一起合租，可能会发生一系列让你不舒服的事情。字体越大，代表户型数量越多。

户型

户型

租房面积统计
其中 30 - 90 平方米的租房占大多数，如今之计，也只能是几个小伙伴一起租房，抱团取暖了。

租房面积统计

租房描述词云
这是爬取的租房描述，其中字体越大，表示出现的次数越多。其中【精装】占据了很大的部分，说明长租公寓也占领了很大一部分市场。

租房描述

爬虫思路

先爬取房某下深圳各个板块的数据，然后存进 MongoDB 数据库，最后再进行数据分析。

各个板块

数据库部分数据：

/* 1 */{    "_id" : ObjectId("5b827d5e8a4c184e63fb1325"),    "traffic" : "距沙井电子城公交站约567米。",//交通描述    "address" : "宝安-沙井-名豪丽城",//地址    "price" : 3100,//价格    "area" : 110,//面积    "direction" : "朝南\r\n            ",//朝向    "title" : "沙井 名豪丽城精装三房 家私齐拎包住 高层朝南随时看房",//标题    "rooms" : "3室2厅",//户型    "region" : "宝安"//地区}

爬虫技术分析

• 请求库：requests
• HTML 解析：BeautifulSoup
• 词云：wordcloud
• 数据可视化：pyecharts
• 数据库：MongoDB
• 数据库连接：pymongo

爬虫代码实现

首先右键网页，查看页面源码，找出我们要爬取得部分。

源码

代码实现，由于篇幅原因只展示主要代码：（获取一个页面的数据）

def getOnePageData(self, pageUrl, reginon="不限"):        rent = self.getCollection(self.region)        self.session.headers.update({            'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.84 Safari/537.36'})        res = self.session.get(            pageUrl        )        soup = BeautifulSoup(res.text, "html.parser")        divs = soup.find_all("dd", attrs={"class": "info rel"})  # 获取需要爬取得 div        for div in divs:            ps = div.find_all("p")            try:  # 捕获异常，因为页面中有些数据没有被填写完整，或者被插入了一条广告，则会没有相应的标签，所以会报错                for index, p in enumerate(ps):  # 从源码中可以看出，每一条 p 标签都有我们想要的信息，故在此遍历 p 标签，                    text = p.text.strip()                    print(text)  # 输出看看是否为我们想要的信息                print("===================================")                # 爬取并存进 MongoDB 数据库                roomMsg = ps[1].text.split("|")                # rentMsg 这样处理是因为有些信息未填写完整，导致对象报空                area = roomMsg[2].strip()[:len(roomMsg[2]) - 2]                rentMsg = self.getRentMsg(                    ps[0].text.strip(),                    roomMsg[1].strip(),                    int(float(area)),                    int(ps[len(ps) - 1].text.strip()[:len(ps[len(ps) - 1].text.strip()) - 3]),                    ps[2].text.strip(),                    ps[3].text.strip(),                    ps[2].text.strip()[:2],                    roomMsg[3],                )                rent.insert(rentMsg)            except:                continue

数据分析实现

数据分析：

# 求一个区的房租单价（平方米/元）    def getAvgPrice(self, region):        areaPinYin = self.getPinyin(region=region)        collection = self.zfdb[areaPinYin]        totalPrice = collection.aggregate([{'$group': {'_id': '$region', 'total_price': {'$sum': '$price'}}}])        totalArea = collection.aggregate([{'$group': {'_id': '$region', 'total_area': {'$sum': '$area'}}}])        totalPrice2 = list(totalPrice)[0]["total_price"]        totalArea2 = list(totalArea)[0]["total_area"]        return totalPrice2 / totalArea2    # 获取各个区 每个月一平方米需要多少钱    def getTotalAvgPrice(self):        totalAvgPriceList = []        totalAvgPriceDirList = []        for index, region in enumerate(self.getAreaList()):            avgPrice = self.getAvgPrice(region)            totalAvgPriceList.append(round(avgPrice, 3))            totalAvgPriceDirList.append({"value": round(avgPrice, 3), "name": region + "  " + str(round(avgPrice, 3))})        return totalAvgPriceDirList    # 获取各个区 每一天一平方米需要多少钱    def getTotalAvgPricePerDay(self):        totalAvgPriceList = []        for index, region in enumerate(self.getAreaList()):            avgPrice = self.getAvgPrice(region)            totalAvgPriceList.append(round(avgPrice / 30, 3))        return (self.getAreaList(), totalAvgPriceList)    # 获取各区统计样本数量    def getAnalycisNum(self):        analycisList = []        for index, region in enumerate(self.getAreaList()):            collection = self.zfdb[self.pinyinDir[region]]            print(region)            totalNum = collection.aggregate([{'$group': {'_id': '', 'total_num': {'$sum': 1}}}])            totalNum2 = list(totalNum)[0]["total_num"]            analycisList.append(totalNum2)        return (self.getAreaList(), analycisList)    # 获取各个区的房源比重    def getAreaWeight(self):        result = self.zfdb.rent.aggregate([{'$group': {'_id': '$region', 'weight': {'$sum': 1}}}])        areaName = []        areaWeight = []        for item in result:            if item["_id"] in self.getAreaList():                areaWeight.append(item["weight"])                areaName.append(item["_id"])                print(item["_id"])                print(item["weight"])                # print(type(item))        return (areaName, areaWeight)    # 获取 title 数据，用于构建词云    def getTitle(self):        collection = self.zfdb["rent"]        queryArgs = {}        projectionFields = {'_id': False, 'title': True}  # 用字典指定需要的字段        searchRes = collection.find(queryArgs, projection=projectionFields).limit(1000)        content = ''        for result in searchRes:            print(result["title"])            content += result["title"]        return content    # 获取户型数据（例如：3 室 2 厅）    def getRooms(self):        results = self.zfdb.rent.aggregate([{'$group': {'_id': '$rooms', 'weight': {'$sum': 1}}}])        roomList = []        weightList = []        for result in results:            roomList.append(result["_id"])            weightList.append(result["weight"])        # print(list(result))        return (roomList, weightList)    # 获取租房面积    def getAcreage(self):        results0_30 = self.zfdb.rent.aggregate([            {'$match': {'area': {'$gt': 0, '$lte': 30}}},            {'$group': {'_id': '', 'count': {'$sum': 1}}}        ])        results30_60 = self.zfdb.rent.aggregate([            {'$match': {'area': {'$gt': 30, '$lte': 60}}},            {'$group': {'_id': '', 'count': {'$sum': 1}}}        ])        results60_90 = self.zfdb.rent.aggregate([            {'$match': {'area': {'$gt': 60, '$lte': 90}}},            {'$group': {'_id': '', 'count': {'$sum': 1}}}        ])        results90_120 = self.zfdb.rent.aggregate([            {'$match': {'area': {'$gt': 90, '$lte': 120}}},            {'$group': {'_id': '', 'count': {'$sum': 1}}}        ])        results120_200 = self.zfdb.rent.aggregate([            {'$match': {'area': {'$gt': 120, '$lte': 200}}},            {'$group': {'_id': '', 'count': {'$sum': 1}}}        ])        results200_300 = self.zfdb.rent.aggregate([            {'$match': {'area': {'$gt': 200, '$lte': 300}}},            {'$group': {'_id': '', 'count': {'$sum': 1}}}        ])        results300_400 = self.zfdb.rent.aggregate([            {'$match': {'area': {'$gt': 300, '$lte': 400}}},            {'$group': {'_id': '', 'count': {'$sum': 1}}}        ])        results400_10000 = self.zfdb.rent.aggregate([            {'$match': {'area': {'$gt': 300, '$lte': 10000}}},            {'$group': {'_id': '', 'count': {'$sum': 1}}}        ])        results0_30_ = list(results0_30)[0]["count"]        results30_60_ = list(results30_60)[0]["count"]        results60_90_ = list(results60_90)[0]["count"]        results90_120_ = list(results90_120)[0]["count"]        results120_200_ = list(results120_200)[0]["count"]        results200_300_ = list(results200_300)[0]["count"]        results300_400_ = list(results300_400)[0]["count"]        results400_10000_ = list(results400_10000)[0]["count"]        attr = ["0-30平方米", "30-60平方米", "60-90平方米", "90-120平方米", "120-200平方米", "200-300平方米", "300-400平方米", "400+平方米"]        value = [            results0_30_, results30_60_, results60_90_, results90_120_, results120_200_, results200_300_, results300_400_, results400_10000_        ]        return (attr, value)

数据展示：

# 展示饼图    def showPie(self, title, attr, value):        from pyecharts import Pie        pie = Pie(title)        pie.add("aa", attr, value, is_label_show=True)        pie.render()    # 展示矩形树图    def showTreeMap(self, title, data):        from pyecharts import TreeMap        data = data        treemap = TreeMap(title, width=1200, height=600)        treemap.add("深圳", data, is_label_show=True, label_pos='inside', label_text_size=19)        treemap.render()    # 展示条形图    def showLine(self, title, attr, value):        from pyecharts import Bar        bar = Bar(title)        bar.add("深圳", attr, value, is_convert=False, is_label_show=True, label_text_size=18, is_random=True,                # xaxis_interval=0, xaxis_label_textsize=9,                legend_text_size=18, label_text_color=["#000"])        bar.render()    # 展示词云    def showWorkCloud(self, content, image_filename, font_filename, out_filename):        d = path.dirname(__name__)        # content = open(path.join(d, filename), 'rb').read()        # 基于TF-IDF算法的关键字抽取, topK返回频率最高的几项, 默认值为20, withWeight        # 为是否返回关键字的权重        tags = jieba.analyse.extract_tags(content, topK=100, withWeight=False)        text = " ".join(tags)        # 需要显示的背景图片        img = imread(path.join(d, image_filename))        # 指定中文字体, 不然会乱码的        wc = WordCloud(font_path=font_filename,                       background_color='black',                       # 词云形状，                       mask=img,                       # 允许最大词汇                       max_words=400,                       # 最大号字体，如果不指定则为图像高度                       max_font_size=100,                       # 画布宽度和高度，如果设置了msak则不会生效                       # width=600,                       # height=400,                       margin=2,                       # 词语水平摆放的频率，默认为0.9.即竖直摆放的频率为0.1                       prefer_horizontal=0.9                       )        wc.generate(text)        img_color = ImageColorGenerator(img)        plt.imshow(wc.recolor(color_func=img_color))        plt.axis("off")        plt.show()        wc.to_file(path.join(d, out_filename))    # 展示 pyecharts 的词云    def showPyechartsWordCloud(self, attr, value):        from pyecharts import WordCloud        wordcloud = WordCloud(width=1300, height=620)        wordcloud.add("", attr, value, word_size_range=[20, 100])        wordcloud.render()

后记

最近还真是挺多事情发生的，房租的暴涨，其实是资本力量进驻了租房市场。自如、蛋壳这些长租公寓，相互太高房租价格，而且让客户签第三方贷款协议，前期发展可能需要一点钱，但是到后期垄断市场之后，只要住房刚需在，就不会赚不回钱。最后，应对外界条件的变动，我们还是应该提升自己的硬实力，这样才能提升自己的生存能力。