当前位置：首页>python>Python分析香港26281套在售二手房数据

Python分析香港26281套在售二手房数据

2026-03-28 00:45:20

大数据文摘授权转载自菜J学Python

作者：J哥

香港的贫富差距问题一直十分尖锐，最突出的体现就是收入和楼价的巨大差异。早在60年代末香港房价就经历了暴涨，人们早已对不动产的金融属性了如指掌，全港的投资情绪一直都相当火热。即便香港当前失业率高企，经济环境较差，但购买力仍在，楼市依然坚挺。

为了深入了解香港房地产市场，本文用Pyhton采集了香港在售26281套二手房数据并做可视化分析，试图从数据层面理解香港楼市现状。

可视化分析

描述性统计

相关性分析

技术实现

本文数据来源于中原地产，网页结构相对简单。数据清洗主要用到Python的pandas库，由于内容较多，仅提供核心字段清洗代码。数据可视化主要用到Python的pyecharts库，都是一些基础图表，本公众号往期原创文章也已多次提及。

数据获取

爬虫核心代码


#将繁体转换成简体def tradition2simple(line):    return Converter('zh-hans').convert(line)#解析网页def get_page(page):        if page <11:            url = 'http://hk.centanet.com/findproperty/BLL/Result_SearchHandler.ashx?url=http%3A%2F%2Fhk.centanet.com%2Ffindproperty%2Fzh-HK%2FHome%2FSearchResult%3Fposttype%3DS%26src%3DC%26minprice%3D%26maxprice%3D%26sortcolumn%3D%26sorttype%3D%26limit%3D100%26currentpage%3D{0}'.format(page)        else:            url = 'http://hk.centanet.com/findproperty/BLL/Result_SearchHandler.ashx?url=http%3A%2F%2Fhk.centanet.com%2Ffindproperty%2Fzh-HK%2FHome%2FSearchResult%3Fposttype%3DS%26src%3DC%26minprice%3D%26maxprice%3D%26sortcolumn%3D%26sorttype%3D%26limit%3D-1%26currentpage%3D{0}'.format(page)        req = requests.get(url, headers = headers)        bs = req.json()        # print(bs)        ts = tradition2simple(bs['post'])        # print(ts)        html = etree.HTML(ts)if __name__ == '__main__':    ua = UserAgent(verify_ssl=False)    headers = {"User-Agent": ua.random}    for page in range(1,2624):  #共2623页        get_page(page)        # time.sleep(1)        print("第%d页爬取完成"%page)        print('-'*100)

数据预览

数据清洗

建筑面积/单价

#异常字符替换为空df["建筑面积"] = df["建筑面积"].str.replace(",","").astype("float")df["建面单价"] = df["建面单价"].str.replace("$","").str.replace(",","").str.replace("/呎","").astype("float")#建筑面积和建面单价缺失值用均值填充df = df.fillna(value={'建筑面积':df["建筑面积"].mean(),'建面单价':df["建面单价"].mean()})

间隔


# 存在缺失值、换行符、非数字型、无房间数等脏数据df["间隔"] = df["间隔"].str.replace("\r\n","").str[:1]df = df[ ~ df['间隔'].isin(['('])]  #删除某列包含特殊字符的行df["间隔"] = df["间隔"].str.replace("开","0").astype("float")df = df.fillna(value={'间隔':df["间隔"].mean()})df["间隔"] = df["间隔"].astype("int")

售价


#售价单位存在万和亿，进行统一化处理df["售价"] = (df["售价"].str.replace("$","").str.replace(",","").str[:-1].astype(float) * df['售价'].str[-1].map({"万": 1, "亿": 10000})).astype("int")
数据可视化

回归图

fig,axes=plt.subplots(5,1,figsize=(12,30)) sns.regplot(x='间隔',y='实用单价',data=df1,color='green',marker='*',ax=axes[0])sns.regplot(x='楼龄',y='实用单价',data=df1,color='green',marker='*',ax=axes[1])sns.regplot(x='实用面积',y='实用单价',data=df1,color='green',marker='*',ax=axes[2])sns.regplot(x='建筑面积',y='实用单价',data=df1,color='green',marker='*',ax=axes[3])sns.regplot(x='实用率',y='实用单价',data=df1,color='green',marker='*',ax=axes[4])

条形图


df5 = df1.groupby('屋苑位置')['实用单价'].count()df5 = df5.sort_values(ascending=True)df5 = df5.tail(10)print(df5.index.to_list())print(df5.to_list())c = (    Bar(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))    .add_xaxis(df5.index.to_list())    .add_yaxis("",df5.to_list()).reversal_axis() #X轴与y轴调换顺序    .set_global_opts(title_opts=opts.TitleOpts(title="香港二手房数量TOP10",subtitle="数据来源：中原地产 \t制图：J哥",pos_left = 'left'),                       xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=13)), #更改横坐标字体大小                       yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=13)), #更改纵坐标字体大小                       )    .set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))    )c.render_notebook()

饼图


df2 = df1.groupby('间隔')['实用单价'].count()print(df2)df2 = df2.sort_values(ascending=False) regions = df2.index.to_list()values = df2.to_list()c = (        Pie(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))        .add("", list(zip(regions,values)))        .set_global_opts(title_opts=opts.TitleOpts(title="香港二手房间隔分布",subtitle="数据来源：中原地产\n制图：J哥",pos_top="1%",pos_left = 'left'))        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%",font_size=16))    )c.render_notebook()