房价是一个城市发展程度的重要体现，一个城市的房价越高通常代表这个城市越发达，对于人口的吸引力越大！因此，房价数据是我们在各项城市研究中都非常常用的数据！之前我们分享过2019-2023年我国地级市逐月房价数据（可查看之前的文章获悉详情），包括300多个地级及以上城市的月度平均房价！

本次我们为大家带来的是2019-2023年我国区县的新房房价数据！包括2000多个区县的月度新房房价，时间范围从2019年1月到2023年10月，数据格式处理为了Excel和Shp两种。

以下为数据的详细介绍：

01 数据预览

我们先来看一下Shp格式的数据，2019年1月—2023年10月的区县新房房价数据汇总在一个Shp文件中，数据字段主要包括省份名称、省代码、省份类型、城市名称、城市代码、城市类型、区县名称、区县代码、区县类型、月度新房房价、数据说明。

我们再来看一下Excel格式的数据，数据字段的具体属性与Shp格式相同，各区县2019-2023年逐月新房房价同样汇总为一个Excel文件。

02 数据详情

时间范围：

新房房价：2019.01—2023.10（逐月）

统计口径：

区县

数据单位：

元/㎡

数据格式：

Excel和Shp

空间坐标：

GCS_WGS_1984

行政区划数据来源：

县级行政边界数据来源于“数读城事”公众号，欢迎大家关注该公众号！

数据说明：

该房价数据原始数据为excel格式，我们基于excel中的区县名称与shp格式的县级行政区划数据中的区县名称做数据连接，得到了shp格式的房价数据。在连接过程中，由于excel数据中的区县名称和shp数据中的区县名称存在不对应的情况，会有数据缺失，具体分类如下两种情况：

• Excel中有数据，但Shp行政区划数据中数据缺失：Excel和Shp中包含的区县数量不同，将Excel数据连接到Shp数据时，会因为区县名称不同或历年来区县变化等原因产生数据丢失，主要原因在于区县Shp中不包含市区和高新区的房价数据。涉及447个区县，具体名单如下：

• Shp中有数据，但Excel中数据缺失：Excel中共有916个区县房价缺失，具体名单如下：

文末下方是我们的公众号名片，我们将定期介绍各类城市数据以及数据的可视化和分析技术，有关2019-2023年我国区县逐月新房房价数据，欢迎大家多多关注我们进行了解！