.

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：

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。

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。

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。

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】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。

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。

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。

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 div
    for div 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
            for index, p in 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）
    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

    # 獲取各個區 每個月一平方米需要多少錢
    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

    # 獲取各個區 每一天一平方米需要多少錢
    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)

    # 獲取各區統計樣本數量
    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)

    # 獲取各個區的房源比重
    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)

    # 獲取 title 資料，用於構建詞雲
    def getTitle(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 = ''
        for result in searchRes:
            print(result["title"])
            content += result["title"]
        return content

    # 獲取戶型資料（例如：3 室 2 廳）
    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)

    # 獲取租房面積
    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)

資料展示：

    # 展示餅圖
    def showPie(self, title, attr, value):
        from pyecharts import Pie
        pie = Pie(title)
        pie.add("aa", attr, value, is_label_show=True)
        pie.render()

    # 展示矩形樹圖
    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()

    # 展示條形圖
    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()

    # 展示詞雲
    def showWorkCloud(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
    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()

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，相互太高房租價格，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。