概述

• 前言
• 统计结果
• 爬虫技术分析
• 爬虫代码实现
• 爬虫分析实现
• 后记

前言

最近各大一二线城市的房租都有上涨，究竟整体上涨到什么程度呢?我们也不得而知，于是乎 zone 为了一探究竟，便用 Python 爬取了房某下的深圳的租房数据，以下是本次的样本数据：

样本数据

除去【不限】的数据(因为可能会与后面重叠)，总数据量为 16971 ，其中后半部分地区数据量偏少，是由于该区房源确实不足。因此，此次调查也并非非常准确，权且当个娱乐项目，供大家观赏。

统计结果

我们且先看统计结果，然后再看技术分析。

深圳房源分布：(按区划分)

其中福田与南山的房源分布是最多的。但这两块地的房租可是不菲啊。

房源分布

房租单价：(每月每平方米单价 — 平均数)

即是 1 平方米 1 个月的价格。方块越大，代表价格越高。

房租单价：平方米/月

可以看出福田与南山是独占鳌头，分别是 114.874 与 113.483 ，是其他地区的几倍。如果租个福田 20 平方的房间：

• 114.874 x 20 = 2297.48

再来个两百的水电、物业：

• 2297.48 + 200 = 2497.48

我们节俭一点来算的话，每天早餐 10 块，中午 25 块，晚饭 25 块：

• 2497.48 + 50 x 30 = 3997.48

是的，仅仅是活下来就需要 3997.48 块。

隔断时间下个馆子，每个月买些衣服，交通费，谈个女朋友，与女朋友出去逛街，妥妥滴加个 3500

• 3997.48 + 3500 = 7497.48

给爸妈一人一千：

• 7497.48 + 2000 = 9497.48

月薪一万妥妥滴，变成了月光族。

房租单价：(每日每平方米单价 — 平均数)

• 即是 1 平方米 1 天的价格。

租房单价：平方米/日

以前在乡下没有寸土寸金的感觉，那么可以到北上广深体验一下，福田区每平方米每天需要 3.829 元。[捂脸]

户型

户型主要以 3 室 2 厅与 2 室 2 厅为主。与小伙伴抱团租房是最好的选择了，不然与不认识的人一起合租，可能会发生一系列让你不舒服的事情。字体越大，代表户型数量越多。

户型

租房面积统计

其中 30 – 90 平方米的租房占大多数，如今之计，也只能是几个小伙伴一起租房，抱团取暖了。

租房面积统计

租房描述词云

这是爬取的租房描述，其中字体越大，标识出现的次数越多。其中【精装修】占据了很大的部分，说明长租公寓也占领了很大一部分市场。

租房描述

爬虫思路

先爬取房某下深圳各个板块的数据，然后存进 MongoDB 数据库，最后再进行数据分析。

各个板块

数据库部分数据：

/* 1 */  
{  
"_id" : ObjectId("5b827d5e8a4c184e63fb1325"),  
"traffic" : "距沙井电子城公交站约567米。",//交通描述  
"address" : "宝安-沙井-名豪丽城",//地址  
"price" : 3100,//价格  
"area" : 110,//面积  
"direction" : "朝南\r\n ",//朝向  
"title" : "沙井 名豪丽城精装三房 家私齐拎包住 高层朝南随时看房",//标题  
"rooms" : "3室2厅",//户型  
"region" : "宝安"//地区 
 } 
复制代码

爬虫技术分析

• 请求库：requests
• HTML 解析：BeautifulSoup
• 词云：wordcloud
• 数据可视化：pyecharts
• 数据库：MongoDB
• 数据库连接：pymongo

爬虫代码实现

首先右键网页，查看页面源码，找出我们要爬取得部分。

源码

代码实现，由于篇幅原因只展示主要代码：(获取一个页面的数据)

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"}) # 获取需要爬取得 div 
for div in divs:  
ps = div.find_all("p")  
try: # 捕获异常，因为页面中有些数据没有被填写完整，或者被插入了一条广告，则会没有相应的标签，所以会报错 
for index, p in enumerate(ps): # 从源码中可以看出，每一条 p 标签都有我们想要的信息，故在此遍历 p 标签， 
text = p.text.strip()  
print(text) # 输出看看是否为我们想要的信息 
print("===================================")  
# 爬取并存进 MongoDB 数据库 
roomMsg = ps[1].text.split("|")  
# rentMsg 这样处理是因为有些信息未填写完整，导致对象报空 
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 
复制代码

数据分析实现

数据分析：

# 求一个区的房租单价(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  
# 获取各个区 每个月一平方米需要多少钱 
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  
# 获取各个区 每一天一平方米需要多少钱 
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)  
# 获取各区统计样本数量 
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)  
# 获取各个区的房源比重 
def getAreaWeight(self):  
result = self.zfdb.rent.aggregate([{'$group': {'_id': '$region', 'weight': {'$sum': 1}}}])  
areaName = [] 
 areaWeight = []  
for item in result:  
if item["_id"] in self.getAreaList(): 
areaWeight.append(item["weight"])  
areaName.append(item["_id"])  
print(item["_id"])  
print(item["weight"])  
# print(type(item)) 
return (areaName, areaWeight)  
# 获取 title 数据，用于构建词云 
 def getTitle(self):  
collection = self.zfdb["rent"]  
queryArgs = {}  
projectionFields = {'_id': False, 'title': True} # 用字典指定需要的字段 
searchRes = collection.find(queryArgs, projection=projectionFields).limit(1000)  
content = ''  
for result in searchRes:  
print(result["title"])  
content += result["title"]  
return content  
# 获取户型数据(例如：3 室 2 厅) 
def getRooms(self): 
 results = self.zfdb.rent.aggregate([{'$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)  
# 获取租房面积 
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) 
复制代码

数据展示：

# 展示饼图 
def showPie(self, title, attr, value):  
from pyecharts import Pie  
pie = Pie(title)  
pie.add("aa", attr, value, is_label_show=True)  
pie.render()  
# 展示矩形树图 
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()  
# 展示条形图 
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()  
# 展示词云 
def showWorkCloud(self, content, image_filename, font_filename, out_filename):  
d = path.dirname(__name__)  
# content = open(path.join(d, filename), 'rb').read() 
# 基于TF-IDF算法的关键字抽取, topK返回频率最高的几项, 默认值为20, withWeight 
# 为是否返回关键字的权重 
tags = jieba.analyse.extract_tags(content, topK=100, withWeight=False)  
text = " ".join(tags)  
# 需要显示的背景图片 
img = imread(path.join(d, image_filename))  
# 指定中文字体, 不然会乱码的 
wc = WordCloud(font_path=font_filename,  
background_color='black',  
# 词云形状， 
mask=img,  
# 允许最大词汇 
max_words=400,  
# 最大号字体，如果不指定则为图像高度 
max_font_size=100,  
# 画布宽度和高度，如果设置了msak则不会生效 
# width=600, 
# height=400, 
margin=2,  
# 词语水平摆放的频率，默认为0.9.即竖直摆放的频率为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 的词云 
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() 
复制代码

后记

最近还真是挺多事情发生的，房租的暴涨，其实是资本力量进驻了租房市场。自如、蛋壳这些长租公寓，相互抬高房租价格，而且让客户签第三方贷款协议，前期发展可能需要一点钱，但是到后期垄断市场之后，只要住房刚需在，就不会赚不回钱。最后，应对外界条件的变动，我们还是应该提升自己的硬实力，这样才能提升自己的生存能力。

转载于:https://juejin.im/post/5be149586fb9a049f3619025