我的位置：首页 › 综合讨论 › 薏米杂谈 › 爬取了上万条租房数据，你还要不要北漂? ...

爬取了上万条租房数据，你还要不要北漂?

复制链接 | 收藏本帖

2436

: 程序猿初学数据Lv2

发表于2018-9-6 09:35

楼主

本帖最后由程序猿于 2018-9-6 09:39 编辑

作者|丁彦军

昨天还幻想海边别墅的年轻人，今天可能开始对房租绝望了。

8月初，有网友在“水木论坛”发帖控诉长租公寓加价抢房引起关注。据说，一名业主打算出租自己位于天通苑的三居室，预期租金7500元/月，结果被二方中介互相抬价，硬生生抬到了10800。

过去一个月，全国热点城市的房租如脱缰野马。一线的房租同比涨了近20%。一夜醒来，无产青年连一块立锥之地都悬了。

从2018下半年开始，租金海啸汹汹来袭，资本狂欢，官方默然，房东纠结，租客尖叫。

这不是一方的过错，而更像是一场全社会的“集体谋杀作品”。最令人不安的是，过去房地产的那套玩法和上涨逻辑，今天正在转移到房租上。

房租暴涨的不只是北京。有数据显示，7月份北京、上海、广州、深圳、天津、武汉、重庆、南京、杭州和成都十大城市租金环比均有所上涨。其中北京、上海、深圳的租金涨幅最猛，北京7月份房租同比上涨3.1%，有小区甚至涨幅超过30%。

图自“21世纪经济报道”《最新房租数据出炉，你一个月要交多少钱？（附房租地图）》一文

接下来，本文使用 Python 大法通过获取某网数万条北京租房数据，给大家说说真实的房租情况。

通过常用的三部曲：数据获取、数据清洗预览、数据分析可视化，与你一起探究最近房租的状况。

一、数据获取

今天就把目前市场占有率最高的房屋中介公司为目标，来获取北京、上海两大城市的租房信息。

（目标链接：https://bj.lianjia.com/zufang/）

整体思路是：

先爬取每个区域的url和名称，跟主url拼接成一个完整的url，循环url列表，依次爬取每个区域的租房信息。
在爬每个区域的租房信息时，找到最大的页码，遍历页码，依次爬取每一页的二手房信息。

post代码之前简单讲一下这里用到的几个爬虫Python包：

requests: 就是用来请求对链家网进行访问的包
lxml: 解析网页，用xpath表达式与正则表达式一起来获取网页信息，相比bs4速度更快

详细代码如下：

import requests
import time
import re
from lxml import etree
# 获取某市区域的所有链接
def get_areas(url):
print('start grabing areas')
headers = {
'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36'}
resposne = requests.get(url, headers=headers)
content = etree.HTML(resposne.text)
areas = content.xpath("//dd[@data-index = '0']//div[@class='option-list']/a/text()")
areas_link = content.xpath("//dd[@data-index = '0']//div[@class='option-list']/a/@href")
for i in range(1,len(areas)):
area = areas
area_link = areas_link
link = 'https://bj.lianjia.com' + area_link
print("开始抓取页面")
get_pages(area, link)
#通过获取某一区域的页数，来拼接某一页的链接
def get_pages(area,area_link):
headers = {
'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36'}
resposne = requests.get(area_link, headers=headers)
pages = int(re.findall("page-data=\'{"totalPage":(\d+),"curPage"", resposne.text)[0])
print("这个区域有" + str(pages) + "页")
for page in range(1,pages+1):
url = 'https://bj.lianjia.com/zufang/dongcheng/pg' + str(page)
print("开始抓取" + str(page) +"的信息")
get_house_info(area,url)
#获取某一区域某一页的详细房租信息
def get_house_info(area, url):
headers = {
'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36'}
time.sleep(2)
try:
resposne = requests.get(url, headers=headers)
content = etree.HTML(resposne.text)
info=[]
for i in range(30):
title = content.xpath("//div[@class='where']/a/span/text()")
room_type = content.xpath("//div[@class='where']/span[1]/span/text()")
square = re.findall("(\d+)",content.xpath("//div[@class='where']/span[2]/text()"))[0]
position = content.xpath("//div[@class='where']/span[3]/text()").replace(" ", "")
try:
detail_place = re.findall("([\u4E00-\u9FA5]+)租房", content.xpath("//div[@class='other']/div/a/text()"))[0]
except Exception as e:
detail_place = ""
floor =re.findall("([\u4E00-\u9FA5]+)\(", content.xpath("//div[@class='other']/div/text()[1]"))[0]
total_floor = re.findall("(\d+)",content.xpath("//div[@class='other']/div/text()[1]"))[0]
try:
house_year = re.findall("(\d+)",content.xpath("//div[@class='other']/div/text()[2]"))[0]
except Exception as e:
house_year = ""
price = content.xpath("//div[@class='col-3']/div/span/text()")
with open('链家北京租房.txt','a',encoding='utf-8') as f:
f.write(area + ',' + title + ',' + room_type + ',' + square + ',' +position+
','+ detail_place+','+floor+','+total_floor+','+price+','+house_year+'\n')
print('writing work has done!continue the next page')
except Exception as e:
print( 'ooops! connecting error, retrying.....')
time.sleep(20)
return get_house_info(area, url)
def main():
print('start!')
url = 'https://bj.lianjia.com/zufang'
get_areas(url)
if __name__ == '__main__':
main()

复制代码

二、数据清洗预览

3.webp.jpg (171.92 KB, 下载次数: )

下载附件

2018-9-6 09:31 上传

数据共14038条，10个维度，由上图可看出北京房源均价为9590元/月，中位数为7000。一半的房源价格在7000以下，所有房源的价格区间为[1000,250000]，价格极差过大。

三、数据分析可视化

四维度-北京房租均价

接下来，将北京各区域、各路段、各楼盘房屋数量、均价分布放在同一张图上，更直观地来看待房租。

从图中可看出，最近，北京市各区域的房租均在6000元/月以上，其中最高区域为东城，均价达12463元/月。不过，由于房源信息过多过杂，房屋位置、面积、楼层、朝向等对价格均有较大影响，因此，价格这个维度需要进一步分析。

由上图可得，各路段的均价基本都在6000以上，其中海淀北部新区的房源数最多，但均价最低，为3308元/月，这或许与海淀北部生态科技新区作为高新技术产业的承载区、原始创新策源地的研发基地，以及科技园集聚区，目前已入驻华为、联想、百度、腾讯、IBM、Oracle等近2000家国内外知名的科技创新型企业有关。另一方面，海淀紫竹桥的房价竟一起冲天，其附近以博物馆、体育场馆为特色，交通便利，配套设施完善，均价较高也是情理之中。

可以看出，不同楼盘的均价浮动很大，但都在6000/月以上。最高的甚至达到17516/月。由于每个楼盘户型差别较大，地理位置也较为分散，因此均价波动很大。每个楼盘具体情况还需具体分析。

附详情代码：

#北京路段_房屋均价分布图
detail_place = df.groupby(['detail_place'])
house_com = detail_place['price'].agg(['mean','count'])
house_com.reset_index(inplace=True)
detail_place_main = house_com.sort_values('count',ascending=False)[0:20]
attr = detail_place_main['detail_place']
v1 = detail_place_main['count']
v2 = detail_place_main['mean']
line = Line("北京主要路段房租均价")
line.add("路段",attr,v2,is_stack=True,xaxis_rotate=30,yaxix_min=4.2,
mark_point=['min','max'],xaxis_interval=0,line_color='lightblue',
line_width=4,mark_point_textcolor='black',mark_point_color='lightblue',
is_splitline_show=False)
bar = Bar("北京主要路段房屋数量")
bar.add("路段",attr,v1,is_stack=True,xaxis_rotate=30,yaxix_min=4.2,
xaxis_interval=0,is_splitline_show=False)
overlap = Overlap()
overlap.add(bar)
overlap.add(line,yaxis_index=1,is_add_yaxis=True)
overlap.render('北京路段_房屋均价分布图.html')

复制代码

7.webp.jpg (42.18 KB, 下载次数: )

下载附件

2018-9-6 09:31 上传

由上图可以看出，均价在 8000-10000 之间的房屋数量最多，同时 1500-2000 这个价位之间房屋数少的可怜。

据北京市统计局的数据，2017 年全市居民月人均可支配收入为 4769 元。另据 58 同城和赶集网发布的报告，2017 年北京人均月租金为 2795 元。

北京租房者的房租收入比，惊人地接近 60%。很多人一半的收入，都花在了租房上，人生就这样被锁定在贫困线上。

统计数据也表明，北京租房人群收入整体偏低。47% 的租房人，年薪在 10 万以下。

在北京，能够负担得起每月 5000 元左右房租的群体，就算得上是中高收入人群。

就这样，第一批 90 后扛过了离婚、秃头、出家和生育，终于还是倒在了房租面前。

附详情代码：

#房源价格区间分布图

price_info = df[['area', 'price']]

#对价格分区

bins = [0,1000,1500,2000,2500,3000,4000,5000,6000,8000,10000]

level = ['0-1000','1000-1500', '1500-2000', '2000-3000', '3000-4000', '4000-5000', '5000-6000', '6000-8000', '8000-1000','10000以上']

price_stage = pd.cut(price_info['price'], bins = bins,labels = level).value_counts().sort_index()

attr = price_stage.index

v1 = price_stage.values

bar = Bar("价格区间&房源数量分布")

bar.add("",attr,v1,is_stack=True,xaxis_rotate=30,yaxix_min=4.2,

xaxis_interval=0,is_splitline_show=False)

overlap = Overlap()

overlap.add(bar)

overlap.render('价格区间&房源数量分布.html')<div align="left"></div>
复制代码

面积&租金分布呈阶梯性

8.webp.jpg (61.11 KB, 下载次数: )

下载附件

2018-9-6 09:31 上传

上图可以看出，80%的房源面积集中在0-90平方米之间，也符合租客单租与合租情况，大面积的房屋很少。

9.webp.jpg (35.64 KB, 下载次数: )

下载附件

2018-9-6 09:31 上传

面积&租金分布呈阶梯性，比较符合常理。租房主力军就是上班族了，一般对房子面积要求较低，基本集中在30平。

附详情代码：

#房屋面积分布
bins =[0,30,60,90,120,150,200,300,400,700]
level = ['0-30', '30-60', '60-90', '90-120', '120-150', '150-200', '200-300','300-400','400+']
df['square_level'] = pd.cut(df['square'],bins = bins,labels = level)
df_digit= df[['area', 'room_type', 'square', 'position', 'total_floor', 'floor', 'house_year', 'price', 'square_level']]
s = df_digit['square_level'].value_counts()
attr = s.index
v1 = s.values
pie = Pie("房屋面积分布",title_pos='center')
pie.add(
"",
attr,
v1,
radius=[40, 75],
label_text_color=None,
is_label_show=True,
legend_orient="vertical",
legend_pos="left",
)
overlap = Overlap()
overlap.add(pie)
overlap.render('房屋面积分布.html')
#房屋面积&价位分布
bins =[0,30,60,90,120,150,200,300,400,700]
level = ['0-30', '30-60', '60-90', '90-120', '120-150', '150-200', '200-300','300-400','400+']
df['square_level'] = pd.cut(df['square'],bins = bins,labels = level)
df_digit= df[['area', 'room_type', 'square', 'position', 'total_floor', 'floor', 'house_year', 'price', 'square_level']]
square = df_digit[['square_level','price']]
prices = square.groupby('square_level').mean().reset_index()
amount = square.groupby('square_level').count().reset_index()
attr = prices['square_level']
v1 = prices['price']
pie = Bar("房屋面积&价位分布布")
pie.add("", attr, v1, is_label_show=True)
pie.render()
bar = Bar("房屋面积&价位分布")
bar.add("",attr,v1,is_stack=True,xaxis_rotate=30,yaxix_min=4.2,
xaxis_interval=0,is_splitline_show=False)
overlap = Overlap()
overlap.add(bar)
overlap.render('房屋面积&价位分布.html')

复制代码

大多数房屋年龄在10年以上

10.webp.jpg (42.74 KB, 下载次数: )

下载附件

2018-9-6 09:31 上传

由上图看出，房屋年龄大多集中在10-20年、25年以上，而5年以下的不到2%；不过，别看这些都是老房子，最近房租变得这么猖狂？原因其中之一就是资本圈地。

11.webp.jpg (79.64 KB, 下载次数: )

下载附件

2018-9-6 09:31 上传

这条网贴立马点燃了大众的情绪：“好啊，原来是这些长租平台烧钱圈地，一心只想要垄断市场房源，哄抬租金，企图赚取暴利差价！”

四、后记
拿自如举例，表面上看跟中介公司没啥两样，收了各种散盘，然后集中装修、出租、管理，因为运营成本和住房质量提高，房租肯定有所上涨。

但更关键的事情在背后。自如把项目打包起来搞起了资产证券化，以租金收益权为基础资产做担保，投放到金融市场上发行国内首单租房市场消费分期类ABS，让各路资金来认购，每年给大家搞点分红。

大量资本都在赌租房这个风口，而前期谁的规模越大、资源越多，以后的定价权就越大，利润空间就越不可想象。

这次一共从链家网上爬取 14038 条数据，而那就是大概一周前，8 月 17 日北京住建委约谈了几家中介公司。

最终的结果是自如、相寓和蛋壳承诺将拿出 12 万间房子投入市场其中，自如将拿出 8 万间（链家、自如、贝壳找房，他们的实际控制人是同一个人--链家老板左晖）。

12.webp.jpg (91.06 KB, 下载次数: )

下载附件

2018-9-6 09:31 上传

也就是说，平常的时候，链家网+自如一共在网上待租的也就是 1 万多套房子，但是一被约谈他们就一口气拿出了 8 万套房子增援？？怎么增？继续收房，让房源更加供不应求？

昨天买不起房，今天租不起房，如果连这样的生活也要因为市场的不规范而被逼迫、被夺走，真的会让人对一个城市失去希望。