现如今，房价问题一直处于风口浪尖，房价的上涨抑或下跌都牵动着整个社会的利益，即便是政府出台各种政策方针也只能是暂时抑制楼市的涨势，对于需要买房的人来说，除了关注这些变化和政策外，还有一个非常头疼的问题，在哪里买房，房价怎样。一般的人会不停花大量精力逛链家、安居客等房地产网站，借助他们展示的内容进行筛选，但因地区众多，各个地段、房价差异的对比以及入手时机的把握，都得自己去一个个查阅与分析，非常麻烦。倘若可以通过数据的爬取，再按照自己希望的维度统计、分析与展示，会让数据变得清晰明了。本项目旨在提取并展示数据，为刚需购房者提供有用信息。

1爬取房价数据

1.1 网页数据爬取

爬取某个网页的房价要查看那个网页的信息，我们爬取链家网站上的深圳二手房，打开链家网页：深圳深圳二手房房源_深圳深圳二手房出售|买卖|交易信息(深圳链家)。用F12以页面中元素进行检查

分析html代码，了解页面结构，然后获取你需要爬取内容在html代码中的路径，再稍微做些整理，就可以得到你想要爬取的内容，主要用的是beautifulsoup。我们要爬取深圳各行政区的房价数据，首先在Python里面编辑行政列表。

 

在爬取数据之前，我们需要设置请求头headers信息。包括User-Agent和Cookie。有些网站设置了反爬，因此我们需要让爬虫更好的模仿人类的操作。设置User-Agent可以让网站确定是人们在操作，设置Cookie是为了让浏览器保留我们操作后的信息，增加爬虫几率。具体的爬虫代码如下:

1.2 数据展示与处理

爬取网页中每个房价的字段信息包括位置，总价，每平米价格，面积，几室几厅等等。

爬取的数据，保存在python文件，然后对数据进行展示

因为直接爬取的数据，不能用来分析，还需要对数据进行简单处理，比如，具体信息这个字段包含很多详细的信息，所以要对这个数据信息进行提取，处理后的数据如下图所示。

2. 数据分析与可视化

2.1数据变量

查看数据中每个变量的类型，如下图所示。

查看是否有缺失值，代码如下图所示，可以看到数据中存在缺失数据，我们对缺失的数据用0值填充。

2.2 变量分析与可视化

 在数据分析之前，我们导入必要的库函数，如pandas numpy和matplotlib等工具。

接下来对变量进行查看，对部分数值数据进行展示。

对爬取的数据部分特征进行分析，首先对房子每平米的价格分析，可以看到

均价是在59598元每平方米，最小的价格是10000每平米

   对这个数据画图展示，如下图所示，大部分房子的均价在60000元每平米左右。

对每个行政区的房子均价进行分析，可以看到，福田区的房价是在最高的，南山是第二高，盐田区是第三高的

对每套房屋的总价进行分析，代码如下图所示，可以看到深圳市每套房的均价是626万，最高可达6800多万，通过绘图可以看到，每套房均价在600万和700万附近。

对每个地区的房屋总价进行分析，可以看到南山区的每套房子是最高的，盐田区靠近郊区，所以房价排名最后。

对房屋的建筑时间进行分析，可以看到最早的房子是1981年建造的，最晚是今年2022年建筑的。绝大部分房子基本在2005年建成。

对房屋的面积进行分析，全市的房子的面积在100平方左右。

  对深圳市各个位置的房子出售量进行分析，可以看到南山中心的出售房子是最多的，其次是沙头角、莲塘、蛇口等等地区，如果需要看房可以多去这些地方。

对房子的样式进行分析，绝大部分是塔楼结合或者是塔楼的样式，个别还有别墅出售的，但是数量很少。