作者：J哥
背景
香港的贫富差距问题一直十分尖锐，最突出的体现就是收入和楼价的巨大差异。早在60年代末香港房价就经历了暴涨，人们早已对不动产的金融属性了如指掌，全港的投资情绪一直都相当火热。
即便香港当前失业率高企，经济环境较差，但购买力仍在，楼市依然坚挺。
为了更加深入了解香港房地产市场，本文用Pyhton采集了香港在售26281套二手房数据并做可视化分析，试图从数据层面理解香港楼市现状。
具体代码详解见本文后半段，数据分析代码和数据集可在公众号【凹凸数据】后台回复「香港」即可获取。
九龙房源最多，港岛价格更高
香港特别行政区，下辖香港岛、九龙半岛、新界3个地区共18个分区。九龙半岛在售二手房源共8108个，占比28.62%。根据中原城市指数CCI(仅包括大型屋苑)，港岛报187.66点，高于香港其他地区。
具体分区来看，香港在售二手房源集中分布在葵青区、元朗区、屯门区等地，而九龙城区、深水埗区、中西区、湾仔区、东区等地房价较高。香港在售二手房实用呎价均价为呎(折合人民币约元平方米)，最低实用呎价4421/呎，最高实用呎价$96965/呎。
将军澳二手房源最多
将军澳、元朗和屯门在售二手房均超1000套，其中，将军澳以2112套二手房源居首。
九龙站二手房均价最高
九龙站、山顶/南区、贝沙湾和中半山在售二手房均价超过万呎，九龙站以37232/呎遥遥领先，远高于香港二手房整体均价。
小户型为主，2房占比超一半
从建筑面积来看，香港在售二手房普遍建面在500呎-1200呎(46-111平方米)，占比高达78.52%，共计18825套。
从居室来看，香港在售二手房中，2房共计12231套，占比51.05%；3房共计7613套，占比31.76%；4房以上71套，占比仅为0.29%。
各楼龄段均有一定比例分布
从香港在售二手房楼龄来看，25-39年楼龄的二手房源最多，共7396套，占比31.31%；15-24年5939套，占比25.36%；40年以上房源也有2347套，占比10.93%。
50%以上二手房低于1000万
从香港在售二手房售价来看，1000万(约429-858万人民币)房源数量为12301套，占比51.31%。
描述性统计
相关性分析
从相关系数表和回归图来看，间隔(即居室)和楼龄都与香港二手房房价无明显的相关性。实用面积与房价具有较强的正相关性，一般来说，人们在看房子时看到的面积是建筑面积，但却不是实用面积。套内建筑面积＝套内使用面积＋套内墙体面积＋阳台面积，而实用面积就是套内使用面积。另外，实用率与房价也无相关性，这与大部分人的感性认识存在偏差。
技术实现
本文数据来源于中原地产，网页结构相对简单。数据清洗主要用到Python的pandas库，由于内容较多，仅提供核心字段清洗代码。数据可视化主要用到Python的pyecharts库，都是一些基础图表，本公众号往期原创文章也已多次提及。
数据获取
爬虫核心代码
#将繁体转换成简体
def tradition2simple(line):
return Converter('zh-hans').convert(line)
#解析网页
def get_page(page):
if page <11:
url = 'http://hk.centanet.com/findproperty/BLL/Result_SearchHandler.ashx?url=http%3A%2F%2Fhk.centanet.com%2Ffindproperty%2Fzh-HK%2FHome%2FSearchResult%3Fposttype%3DS%26src%3DC%26minprice%3D%26maxprice%3D%26sortcolumn%3D%26sorttype%3D%26limit%3D100%26currentpage%3D{0}'.format(page)
else:
url = 'http://hk.centanet.com/findproperty/BLL/Result_SearchHandler.ashx?url=http%3A%2F%2Fhk.centanet.com%2Ffindproperty%2Fzh-HK%2FHome%2FSearchResult%3Fposttype%3DS%26src%3DC%26minprice%3D%26maxprice%3D%26sortcolumn%3D%26sorttype%3D%26limit%3D-1%26currentpage%3D{0}'.format(page)
req = requests.get(url, headers = headers)
bs = req.json()
# print(bs)
ts = tradition2simple(bs['post'])
# print(ts)
html = etree.HTML(ts)
if __name__ == '__main__':
ua = UserAgent(verify_ssl=False)
headers = {"User-Agent": ua.random}
for page in range(1,2624): #共2623页
get_page(page)
# time.sleep(1)
print("第%d页爬取完成"%page)
print('-'*100)
数据预览
数据清洗
建筑面积/单价
#异常字符替换为空
df["建筑面积"] = df["建筑面积"].str.replace(",","").astype("float")
df["建面单价"] = df["建面单价"].str.replace("$","").str.replace(",","").str.replace("/呎","").astype("float")
#建筑面积和建面单价缺失值用均值填充
df = df.fillna(value={'建筑面积':df["建筑面积"].mean(),'建面单价':df["建面单价"].mean()})
间隔
# 存在缺失值、换行符、非数字型、无房间数等脏数据
df["间隔"] = df["间隔"].str.replace("\r\n","").str[:1]
df = df[ ~ df['间隔'].isin(['('])] #删除某列包含特殊字符的行
df["间隔"] = df["间隔"].str.replace("开","0").astype("float")
df = df.fillna(value={'间隔':df["间隔"].mean()})
df["间隔"] = df["间隔"].astype("int")
售价
#售价单位存在万和亿，进行统一化处理
df["售价"] = (df["售价"].str.replace("$","").str.replace(",","").str[:-1].astype(float) * df['售价'].str[-1].map({"万": 1, "亿": 10000})).astype("int")
数据可视化
回归图
fig,axes=plt.subplots(5,1,figsize=(12,30))
sns.regplot(x='间隔',y='实用单价',data=df1,color='green',marker='*',ax=axes[0])
sns.regplot(x='楼龄',y='实用单价',data=df1,color='green',marker='*',ax=axes[1])
sns.regplot(x='实用面积',y='实用单价',data=df1,color='green',marker='*',ax=axes[2])
sns.regplot(x='建筑面积',y='实用单价',data=df1,color='green',marker='*',ax=axes[3])
sns.regplot(x='实用率',y='实用单价',data=df1,color='green',marker='*',ax=axes[4])
条形图
df5 = df1.groupby('屋苑位置')['实用单价'].count()
df5 = df5.sort_values(ascending=True)
df5 = df5.tail(10)
print(df5.index.to_list())
print(df5.to_list())
c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))
.add_xaxis(df5.index.to_list())
.add_yaxis("",df5.to_list()).reversal_axis() #X轴与y轴调换顺序
.set_global_opts(title_opts=opts.TitleOpts(title="香港二手房数量TOP10",subtitle="数据来源：中原地产 \t制图：J哥",pos_left = 'left'),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=13)), #更改横坐标字体大小
yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=13)), #更改纵坐标字体大小
)
.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))
)
c.render_notebook()
饼图
df2 = df1.groupby('间隔')['实用单价'].count()
print(df2)
df2 = df2.sort_values(ascending=False)
regions = df2.index.to_list()
values = df2.to_list()
c = (
Pie(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))
.add("", list(zip(regions,values)))
.set_global_opts(title_opts=opts.TitleOpts(title="香港二手房间隔分布",subtitle="数据来源：中原地产\n制图：J哥",pos_top="1%",pos_left = 'left'))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%",font_size=16))
)
c.render_notebook()凹凸福利
推荐语?：《Python数据可视化：基于Bokeh的可视化绘图》这是一本适合零基础读者快速入门并掌握Bokeh的实战指南，作者是Bokeh的先驱用户和布道者，实践经验丰富。本书从图形绘制、数据动态展示、Web交互等维度全面讲解Bokeh功能和使用，不涉及复杂的数据处理和算法，包含大量实战案例。点击下图可看详情/购买！?
