概述

前言

統計結果

爬蟲技術分析

爬蟲程式碼實現

爬蟲分析實現

後記

前言

最近各大一二線城市的房租都有上漲，究竟整體上漲到什麼程度呢?我們也不得而知，於是乎 zone 為了一探究竟，便用 Python 爬取了房某下的深圳的租房資料，以下是本次的樣本資料：

樣本資料

除去【不限】的資料(因為可能會與後面重疊)，總資料量為 16971 ，其中後半部分地區資料量偏少，是由於該區房源確實不足。因此，此次調查也並非非常準確，權且當個娛樂專案，供大家觀賞。

統計結果

我們且先看統計結果，然後再看技術分析。

深圳房源分佈：(按區劃分)

其中福田與南山的房源分佈是最多的。但這兩塊地的房租可是不菲啊。

房源分佈

房租單價：(每月每平方米單價 -- 平均數)

即是 1 平方米 1 個月的價格。方塊越大，代表價格越高。

房租單價：平方米/月

可以看出福田與南山是獨佔鰲頭，分別是 114.874 與 113.483 ，是其他地區的幾倍。如果租個福田 20 平方的房間：

114.874 x 20 = 2297.48

再來個兩百的水電、物業：

2297.48 + 200 = 2497.48

我們節儉一點來算的話，每天早餐 10 塊，中午 25 塊，晚飯 25 塊：

2497.48 + 50 x 30 = 3997.48

是的，僅僅是活下來就需要 3997.48 塊。

隔斷時間下個館子，每個月買些衣服，交通費，談個女朋友，與女朋友出去逛街，妥妥滴加個 3500

3997.48 + 3500 = 7497.48

給爸媽一人一千：

7497.48 + 2000 = 9497.48

月薪一萬妥妥滴，變成了月光族。

房租單價：(每日每平方米單價 -- 平均數)

即是 1 平方米 1 天的價格。 

租房單價：平方米/日

以前在鄉下沒有寸土寸金的感覺，那麼可以到北上廣深體驗一下，福田區每平方米每天需要 3.829 元。[捂臉]

戶型

戶型主要以 3 室 2 廳與 2 室 2 廳為主。與小夥伴抱團租房是最好的選擇了，不然與不認識的人一起合租，可能會發生一系列讓你不舒服的事情。字型越大，代表戶型數量越多。

戶型

租房面積統計

其中 30 - 90 平方米的租房佔大多數，如今之計，也只能是幾個小夥伴一起租房，抱團取暖了。

租房面積統計

租房描述詞雲

這是爬取的租房描述，其中字型越大，標識出現的次數越多。其中【精裝修】佔據了很大的部分，說明長租公寓也佔領了很大一部分市場。

租房描述

爬蟲思路

先爬取房某下深圳各個板塊的資料，然後存進 MongoDB 資料庫，最後再進行資料分析。

各個板塊

資料庫部分資料：

/* 1 */{"_id": ObjectId("5b827d5e8a4c184e63fb1325"),"traffic":"距沙井電子城公交站約567米。",//交通描述  "address":"寶安-沙井-名豪麗城",//地址  "price":3100,//價格  "area":110,//面積  "direction":"朝南\r\n ",//朝向  "title":"沙井 名豪麗城精裝三房 傢俬齊拎包住 高層朝南隨時看房",//標題  "rooms":"3室2廳",//戶型  "region":"寶安"//地區 }

爬蟲技術分析

請求庫：requests

HTML 解析：BeautifulSoup

詞雲：wordcloud

資料視覺化：pyecharts

資料庫：MongoDB

資料庫連線：pymongo

爬蟲程式碼實現

首先右鍵網頁，檢視頁面原始碼，找出我們要爬取得部分。

原始碼

程式碼實現，由於篇幅原因只展示主要程式碼：(獲取一個頁面的資料)

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"}) # 獲取需要爬取得 divfordiv in divs:ps= div.find_all("p")try: # 捕獲異常，因為頁面中有些資料沒有被填寫完整，或者被插入了一條廣告，則會沒有相應的標籤，所以會報錯forindex,pin enumerate(ps): # 從原始碼中可以看出，每一條p標籤都有我們想要的資訊，故在此遍歷p標籤，  text =p.text.strip()print(text) # 輸出看看是否為我們想要的資訊print("===================================")  # 爬取並存進 MongoDB 資料庫  roomMsg =ps[1].text.split("|")  # rentMsg 這樣處理是因為有些資訊未填寫完整，導致物件報空  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

資料分析實現

資料分析：

# 求一個區的房租單價(平方米/元)  defgetAvgPrice(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"]returntotalPrice2 / totalArea2# 獲取各個區 每個月一平方米需要多少錢  defgetTotalAvgPrice(self):totalAvgPriceList = []  totalAvgPriceDirList = []forindex, regioninenumerate(self.getAreaList()):  avgPrice = self.getAvgPrice(region)  totalAvgPriceList.append(round(avgPrice,3))  totalAvgPriceDirList.append({"value": round(avgPrice,3),"name": region +" "+ str(round(avgPrice,3))})returntotalAvgPriceDirList# 獲取各個區 每一天一平方米需要多少錢  defgetTotalAvgPricePerDay(self):totalAvgPriceList = []forindex, regioninenumerate(self.getAreaList()):  avgPrice = self.getAvgPrice(region)  totalAvgPriceList.append(round(avgPrice /30,3))return(self.getAreaList(), totalAvgPriceList)# 獲取各區統計樣本數量  defgetAnalycisNum(self):analycisList = []forindex, regioninenumerate(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)# 獲取各個區的房源比重  defgetAreaWeight(self):result = self.zfdb.rent.aggregate([{'$group': {'_id':'$region','weight': {'$sum':1}}}])  areaName = []  areaWeight = []foriteminresult:ifitem["_id"]inself.getAreaList(): areaWeight.append(item["weight"])  areaName.append(item["_id"])  print(item["_id"])  print(item["weight"])# print(type(item))  return(areaName, areaWeight)# 獲取 title 資料，用於構建詞雲 defgetTitle(self):collection = self.zfdb["rent"]  queryArgs = {}  projectionFields = {'_id':False,'title':True}# 用字典指定需要的欄位  searchRes = collection.find(queryArgs, projection=projectionFields).limit(1000)  content =''forresultinsearchRes:  print(result["title"])  content += result["title"]returncontent# 獲取戶型資料(例如：3 室 2 廳)  defgetRooms(self):results = self.zfdb.rent.aggregate([{'$group': {'_id':'$rooms','weight': {'$sum':1}}}])  roomList = []  weightList = []forresultinresults:  roomList.append(result["_id"])  weightList.append(result["weight"])# print(list(result))  return(roomList, weightList)# 獲取租房面積  defgetAcreage(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)

資料展示：

# 展示餅圖  defshowPie(self, title, attr, value):frompyechartsimportPie  pie = Pie(title)  pie.add("aa", attr, value, is_label_show=True)  pie.render()# 展示矩形樹圖  defshowTreeMap(self, title, data):frompyechartsimportTreeMap  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()# 展示條形圖  defshowLine(self, title, attr, value):frompyechartsimportBar  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()# 展示詞雲  defshowWorkCloud(self, content, image_filename, font_filename, out_filename):d = path.dirname(__name__)# content = open(path.join(d, filename), 'rb').read()  # 基於TF-IDF演算法的關鍵字抽取, topK返回頻率最高的幾項, 預設值為20, withWeight  # 為是否返回關鍵字的權重  tags = jieba.analyse.extract_tags(content, topK=100, withWeight=False)  text =" ".join(tags)# 需要顯示的背景圖片  img = imread(path.join(d, image_filename))# 指定中文字型, 不然會亂碼的  wc = WordCloud(font_path=font_filename,  background_color='black',# 詞雲形狀，  mask=img,# 允許最大詞彙  max_words=400,# 最大號字型，如果不指定則為影象高度  max_font_size=100,# 畫布寬度和高度，如果設定了msak則不會生效  # width=600,  # height=400,  margin=2,# 詞語水平擺放的頻率，預設為0.9.即豎直襬放的頻率為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 的詞雲  defshowPyechartsWordCloud(self, attr, value):frompyechartsimportWordCloud  wordcloud = WordCloud(width=1300, height=620)  wordcloud.add("", attr, value, word_size_range=[20,100])  wordcloud.render()

後記

最近還真是挺多事情發生的，房租的暴漲，其實是資本力量進駐了租房市場。自如、蛋殼這些長租公寓，相互擡高房租價格，而且讓客戶籤第三方貸款協議，前期發展可能需要一點錢，但是到後期壟斷市場之後，只要住房剛需在，就不會賺不回錢。最後，應對外界條件的變動，我們還是應該提升自己的硬實力，這樣才能提升自己的生存能力。