本篇主要讲解了数据分析入门到精通--用Pandas分析全国城市房价，通过具体的内容展现，希望对数据分析的学习有所帮助。

Pandas在配合做网络数据采集爬虫时，也能发挥其优势，可承担数据调用、数据存储的工作。将数据存入DataFrame后，可直接进入下一步分析。本例以获取某房产网站中房价为目标，来体验一下Pandas的便捷之处。

首先利用requests(需要安装)库获取单个小区的平均价格：

import requests # 安装：pip install requests

# 创建一个Session

s = requests.Session()

# 访问小区页面

xq = s.get('https://bj.lianjia.com/xiaoqu/1111027382589/')

# 查看页面源码

xq.text

# 找到价格位置附近的源码为：

# <span>95137</span>

# 切分与解析

xq.text.split('xiaoquUnitPrice">')[1].split('</span>')[0]

# '93754'

最终得到这个小区的平均房价。这里使用了将目标信息两边的信息进行切片、形成列表再读取的方法。也可以用第三方库Beautiful Soup 4来解析。Beautiful Soup是一个可以从HTML或XML文件中提取数据的Python库，它能够通过解析源码来方便地获取指定信息。

我们构建获取小区名称和平均房价的函数：

# 获取小区名称的函数

def pa_name(x):

    xq = s.get(f'https://bj.lianjia.com/xiaoqu/{x}/')

    name = xq.text.split('detailTitle">')[1].split('</h1>')[0]

    return name

# 获取平均房价的函数

def pa_price(x):

    xq = s.get(f'https://bj.lianjia.com/xiaoqu/{x}/')

    price = xq.text.split('xiaoquUnitPrice">')[1].split('</span>')[0]

    return price

接下来利用Pandas执行爬虫获取信息：

# 小区列表

xqs = [1111027377595, 1111027382589,

       1111027378611, 1111027374569,

       1111027378069, 1111027374228,

       116964627385853]

# 构造数据

df = pd.DataFrame(xqs, columns=['小区'])

# 爬取小区名

df['小区名'] = df.小区.apply(lambda x: pa_name(x))

# 爬取房价

df['房价'] = df.小区.apply(lambda x: pa_price(x))

# 查看结果

df

'''

                小区      小区名      房价

0    1111027377595     瞰都国际   73361

1    1111027382589  棕榈泉国际公寓   93754

2    1111027378611     南十里居   56459

3    1111027374569     观湖国际   88661

4    1111027378069     丽水嘉园   76827

5    1111027374228  泛海国际碧海园   97061

6  116964627385853  东山condo  145965

'''

可以先用Python的类改造函数，再用链式方法调用：

# 爬虫类

class PaChong(object):

    def __init__(self, x):

        self.s = requests.session()

        self.xq = self.s.get(f'https://bj.lianjia.com/xiaoqu/{x}/')

        self.name = self.xq.text.split('detailTitle">')[1].split('</h1>')[0]

        self.price = self.xq.text.split('xiaoquUnitPrice">')[1].split('</span>')[0]

# 爬取数据

(

    df

    .assign(小区名=df.小区.apply(lambda x: PaChong(x).name))

    .assign(房价=df.小区.apply(lambda x: PaChong(x).price))

)

以上网站可能会改版，代码不适用时需要调整爬虫代码。

02全国城市房价分析

中国主要城市的房价可以从https://www.creprice.cn/rank/index.html获取。该网页中会显示上一个月的房价排行情况，先复制前20个城市的数据，然后使用pd.read_clipboard()读取。我们来分析一下该月的数据(下例中用的是2020年10月数据)。

import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams['figure.figsize'] = (8.0, 5.0) # 固定显示大小

plt.rcParams['font.family'] = ['sans-serif'] # 设置中文字体

plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置中文字体

plt.rcParams['axes.unicode_minus'] = False # 显示负号

dfr = pd.read_clipboard()

# 取源数据

dfr.head()

'''

   序号 城市名称 平均单价（元/㎡）  环比 同比

0   1   深圳    78,722  +2.61%  +20.44%

1   2   北京    63,554  -0.82%    -1.2%

2   3   上海    58,831   +0.4%    +9.7%

3   4   厦门    48,169  -0.61%   +9.52%

4   5   广州    38,351  -1.64%  +13.79%

'''

查看数据类型：

dfr.dtypes

'''

序号            int64

城市名称         object

平均单价（元/㎡）    object

环比           object

同比           object

dtype: object

'''

数据都是object类型，需要对数据进行提取和类型转换：

df = (

    # 去掉千分位符并转为整型

    dfr.assign(平均单价=dfr['平均单价（元/㎡）'].str.replace(',','').astype(int))

    .assign(同比=dfr.同比.str[:-1].astype(float)) # 去百分号并转为浮点型

    .assign(环比=dfr.环比.str[:-1].astype(float)) # 去百分号并转为浮点型

    .loc[:,['城市名称','平均单价','同比','环比']] # 重命名列

)

df.head()

'''

  城市名称  平均单价 同比  环比

0   深圳  78722  20.44  2.61

1   北京  63554  -1.20 -0.82

2   上海  58831   9.70  0.40

3   厦门  48169   9.52 -0.61

4   广州  38351  13.79 -1.64

'''

接下来就可以对整理好的数据进行分析了。首先看一下各城市的均价差异，数据顺序无须再调整，代码执行效果如图1所示。

(

    df.set_index('城市名称')

    .平均单价

    .plot

    .bar()

)

图1　各城市平均房价

各城市平均房价同比与环比情况如图2所示。

(

    df.set_index('城市名称')

    .loc[:, '同比':'环比']

    .plot

    .bar()

)

图2　各城市平均房价同比和环比

将同比与环比的极值用样式标注，可见东莞异常突出，房价同比、环比均大幅上升，如图3所示。

(

    df.style

    .highlight_max(color='red', subset=['同比', '环比'])

    .highlight_min(subset=['同比', '环比'])

    .format({'平均单价':"{:,.0f}"})

    .format({'同比':"{:2}%", '环比':"{:2}%"})

)

图3　各城市平均房价变化样式图

绘制各城市平均单价条形图，如图4所示。

# 条形图

(

    df.style

    .bar(subset=['平均单价'], color='yellow')

)

图4　各城市平均单价样式图

将数据样式进行综合可视化：将平均单价背景色设为渐变，并指定色系BuGn;同比、环比条形图使用不同色系，且以0为中点，体现正负;为比值加百分号。最终效果如图5所示。

(

    df.style

    .background_gradient(subset=['平均单价'], cmap='BuGn')

    .format({'同比':"{:2}%", '环比':"{:2}%"})

    .bar(subset=['同比'],  

        color=['#ffe4e4','#bbf9ce'], # 上涨、下降的颜色

        vmin=0, vmax=15, # 范围定为以0为基准的上下15

        align='zero'

        )

    .bar(subset=['环比'],  

        color=['red','green'], # 上涨、下降的颜色

        vmin=0, vmax=11, # 范围定为以0为基准的上下11

        align='zero'

        )

)

图5　各城市平均房价综合样式图

我是小职，记得找我

✅ 解锁高薪工作

✅ 免费获取基础课程·答疑解惑·职业测评