是涨是跌数据来说

阴影中游动的鱼 2020-05-26

展开全文

为了拿到即时房产交易数据，我这两天一直在研究爬虫和数据分析。身处大数据时代，我相信很多朋友都玩过爬虫，但很多人只是练爬虫，并没有对爬取到的数据进行分析。今天把我这几天的研究成果分享给大家，适合初学者使用，简单练习之后，普通人也可以是半个楼市专家。

一、分析示例

本文我选择北京市通州区北关片区进行分析示例，数据源自链家2012.5-2020.5的成交数据，首先展示一张成果图片，如下：（可以点开看大图）

通过上面的图片，我们至少可以得到以下信息：

1、房价起飞点是2015年4月，当年7月份北京市公布通州为北京副中心消息，房价开始一路飞涨24个月。拐点在2017年4月出现，其主要原因是通州开始执行单独的住宅限购政策，任何在北京已经拥有一套住房的人，均无法在通州购买住宅，包括北京户口和持有北京市工作居住证的人也不例外。上图可见

2015年4-7月，4个月时间，是消息人士的专属入场期；

2015年7月-2016年10月，是普通投资者入场期；

2016年11月-2017年4月，是跟风者入场期；

2017年4月之后，则以普通刚需、改善购房者为主。

数据可以具体到季度、月、日，非常清晰，下图为季度数据。

由于屏幕有限，不再细化。

2、2015-2016年，是成交量洪峰，这个阶段属于成交量支撑房价，完全是卖方市场，不用谈价格，房子是需要抢的。2016-2017年，成交大幅下滑，房价的支撑力仅剩下副中心运河商务区概念。

3、2017年之后，房价处于震荡之中，整体上单价总价全部掉头向下，到2020年第一季度，仍然没有止跌，进入第二季度之后，交易量没上来，房价却上来了，外部条件除了疫情之外，没有任何变化，因此可以判断，疫情积压需求集中释放的同时，人们的信心在恢复，预期回来了，交易量还没跟上。

4、对区域有了基本了解之后，我们可以找出该区域内最热销的小区来做研究分析，如下图，图中显示，在过去的8年中，成交量前三的小区分别为，西潞苑、金地格林格林、天赐良缘东三期，这对投资人做出投资决策非常有帮助。

5、选定小区之后，我们可以具体到这个小区来找出它最热销的户型、以及该户型最热销的朝向，如下图：

当然，我们还可以具体到最热销户型的楼层、朝向、以及这些房子的价格变化等等等等，只需要动动鼠标就可以一目了然。

以上的数据分析之后，相信普通买房人对该区域已经非常了解，该不该卖房，该不该换房等等问题都有了答案。但是对于投资者，这些分析显然还不够，投资者最关心的是买入哪个城市？区域？小区？以及买入的时机，怎么做到呢？

也不复杂，我们需要两方面的资料，其一是资讯，主要是宏观方面的政策资讯；其二是更大的数据支撑（本文解决的问题）。例如，我们在上面的数据包中就可以找到在持续涨价的小区，如下图。

授人以鱼不如授人以渔，示例完毕，我们来看看怎么做到。

按照我的方法，你可以根据自己的投资需要，分析全国任何一个城市、任何一个区域、任何一个小区、甚至可以研究某个小区的某个楼层、朝向、户型。

方法是通用的。

二、准备工作

基础资料的准备

1、房屋成交数据：如果有现成的数据最好，部分城市建委网站是提供直接下载的，如果没有的话，可以通过爬虫软件免费获取，市场上的免费爬虫很多，使用方法和特点也各有不同，不作为本文重点。（初阶课程中有具体的方法，有兴趣的朋友可以订阅学习。）

2、数据处理工具软件：这类软件也很多，但大多都是收费的，而且大多数都需要专业学习才能正常使用。今天我演示一款普通人也可以轻松上手的软件，通过教学视频简单学习就可以轻松上手。它提供个人版和企业版，其中个人版是免费的，开放大部分功能。个人用户分析一下房价趋势是绰绰有余的。软件直接百度：“BDP”就可以了，没有客户端，直接在网页操作。

3、数据处理：我们通过爬虫获取的数据肯定会存在一些脏乱差的现象，例如下图，数据缺失、成交时间的统计标准不一致、单列数据混在一起、数据重复等情况。

所以我们必须首先把数据处理“干净”，例如，某套房子的成交总价和单价都是一个区间而非具体数字，我们取两个数字的平均值；年月日的表达改为统一的形式；等等，均按照就近、相似的原则处理，把表格填充完整。由于我们们的数据总量在几千、几万，甚至几十万条，所以零散数据的处理对结果的影响微乎其微。最终我们得到下面的数据，简洁明了，非常干净。