作者：Xingsheng Yang
1 利用 python 爬取链家网公开的租房数据；
2 对租房信息进行分析，主要对房租相关特征进行分析，并搭建模型用于预测房租（点击文末“阅读原文”获取完整代码数据）。
任务/目标
利用上海链家网站租房的公开信息，着重对月租进行数据分析和挖掘。
上海租赁数据
此数据来自 Lianjia.com.csv文件包含名称，租赁类型，床位数量，价格，经度，纬度，阳台，押金，公寓，描述，旅游，交通，独立浴室，家具，新房源，大小，方向，堤坝，电梯，停车场和便利设施信息。
属性：
名称：列表名称
类型：转租或全部租赁（全部）
床：卧室号码
价格
经度/纬度：坐标
阳台，押金（是否有押金政策），公寓，描述，旅游可用性，靠近交通，独立浴室，家具
新房源：NO-0，YES-1
面积：平方米
朝向：朝向窗户，南1，东南2，东-3，北4，西南-5，西-6，西北-7，东北8，未知-0
级别：房源层级， 地下室-0， 低层（1-15）-1， 中层（15-25）-2， 高层（>25）-3
停车场：无停车场-0，额外收费-1，免费停车-2
设施：设施数量
1. import pandas as pd
2.
3. import numpy as np
4.
5. import geopandas
6.
7. df = pd.read\_csv('lighai.csv', sep =',', encoding='utf\_8\_sig', header=None)
8.
9. df.head()
数据预处理
ETL处理，清理数据帧。
df_clean.head()
探索性分析 - 数据可视化
1. plt.figure(figsize=(8, 6))
2.
3. sns.distplot(df_clean.price, bins=500, kde=True)
4.
5. plt.xscale('log') # Log transform the price
读取地理数据
- plt.figure(figsize=(12, 12))
sns.heatmap(df_clean.corr(), square=True, annot=True, fmt = '.2f', cmap = 'vla
01
02
03
04
模型构建
尝试根据特征预测价格。
1. y = df\_clean.log\_price
2.
3. X = df\_clean.iloc\[:, 1:\].drop(\['price', 'log\_price'\], axis=1)
岭回归模型
1. ridge = Ridge()
2.
3. alphas = \[0.0001, 0.001, 0.001, 0.01, 0.1, 0.5, 1, 2, 3, 5, 10\]
Lasso回归
coef.sort_values(ascending=False).plot(kind = 'barh')
Random forest随机森林
rf\_cv.fit(X\_train, y_train)
XGBoost
xgb_model.loc\[30:,\['test-rmse-mean', 'train-rmse-mean'\]\].plot();
xgb\_cv.fit(X\_train, y_train)
Keras神经网络
1. model.add(Dense(1, kernel_initializer='normal'))
2.
3. # Compile model
4.
5. model.compile(loss='mean\_squared\_error', optimizer='Adam')
6.
7. model.summary()
kmeans聚类数据
1. kmeanModel = KMeans(n_clusters=k).fit(X)
2.
3. kmeanModel.fit(X)
4.
5. inertias.append(kmeanModel.inertia_)
6.
7. plt.plot(K, inertias, 'bx-')
- gpd.plot(figsize=(12,10), alpha=0.3)
- scatter\_map = plt.scatter(data=df\_clean, x='lon', y='lat', c='label', alpha=0.3, cmap='tab10', s=2)
