鏈家網(wǎng)長沙市二手房數(shù)據(jù)采集與分析

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

目錄

1引言1

1.1項(xiàng)目背景1

1.2開發(fā)環(huán)境與工具2

1.2.1Python簡介2

1.2.2Pycharm簡介3

1.2.3Python第三方庫簡介3

1.2.4Anaconda簡介4

2需求分析5

2.1可行性需求分析5

2.2采集目標(biāo)功能分析5

2.3關(guān)鍵技術(shù)分析6

2.3.1網(wǎng)絡(luò)爬蟲技術(shù)6

2.3.2文件存取技術(shù)7

2.3.3可視化技術(shù)8

3數(shù)據(jù)采集9

3.1采集頁面分析9

3.2字段分析11

3.3編程實(shí)現(xiàn)12

4數(shù)據(jù)清洗與處理16

4.1數(shù)據(jù)清洗16

4.2數(shù)據(jù)儲存17

4.3編程實(shí)現(xiàn)18

5數(shù)據(jù)統(tǒng)計(jì)與分析19

5.1數(shù)據(jù)準(zhǔn)備19

5.2數(shù)據(jù)展示20

5.2.1依據(jù)不同行政區(qū)、戶型、朝向、裝修類型占比餅狀圖20

5.2.2依據(jù)不同地區(qū)單價(jià)總價(jià)統(tǒng)計(jì)21

I

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

5.2.3根據(jù)地段進(jìn)行統(tǒng)計(jì)和分析22

5.2.4依據(jù)房間大小及分布密度和房價(jià)的關(guān)系進(jìn)行統(tǒng)計(jì)23

5.3本章小結(jié)24

6小結(jié)25

參考資料26

II

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

鏈家網(wǎng)長沙二手房數(shù)據(jù)采集與分析

1引言

長沙的二手房市場在過去幾年里發(fā)展迅速，成為許多人投資房地產(chǎn)的首

選。這是因?yàn)殚L沙作為中國著名的經(jīng)濟(jì)、文化、教育和旅游中心，其房地產(chǎn)市

場具有良好的發(fā)展前景。二手房市場也受益于長沙市政府的房地產(chǎn)政策，如住

房保障和促進(jìn)住房消費(fèi)的政策措施。然而，購買二手房也存在一定的風(fēng)險(xiǎn)。由

于市場信息不對稱等因素，購買者往往難以準(zhǔn)確了解房屋的真實(shí)情況。因此，

在購買二手房之前，消費(fèi)者應(yīng)充分了解房屋的歷史、結(jié)構(gòu)、裝修狀況等情況，

并尋求專業(yè)人士的幫助。除了謹(jǐn)慎考慮風(fēng)險(xiǎn)之外，在購買二手房時(shí)，消費(fèi)者還

應(yīng)注意其他因素。例如，應(yīng)該考慮房屋所在的位置，是否方便交通、購物、教

育等。另外，消費(fèi)者也應(yīng)該考慮房屋的大小、結(jié)構(gòu)、裝修等因素，以確保房屋

能夠滿足其日常生活和居住需求。此外，在購買二手房時(shí)，消費(fèi)者應(yīng)該注意房

屋的價(jià)格是否合理?？梢酝ㄟ^比較不同的房屋的價(jià)格、面積等因素，來判斷房

屋的價(jià)值。同時(shí)，消費(fèi)者也應(yīng)注意房屋所在小區(qū)的基礎(chǔ)設(shè)施、環(huán)境等因素，這

些因素也會對房屋的價(jià)值產(chǎn)生影響?？偟膩碚f，購買二手房是一項(xiàng)重要的決

策，消費(fèi)者應(yīng)充分了解市場情況，謹(jǐn)慎考慮風(fēng)險(xiǎn)，并綜合考慮多方面因素，才

能做出明智的決策。

1.1項(xiàng)目背景

隨著互聯(lián)網(wǎng)的高速發(fā)展、數(shù)據(jù)庫存儲技術(shù)的成熟，高性能的存儲設(shè)備和存

儲介質(zhì)日益普及，人們在生活、工作等產(chǎn)生的數(shù)據(jù)量以指數(shù)形式爆炸式增長，

大數(shù)據(jù)發(fā)展勢不可擋，但如何利用大數(shù)據(jù)分析為人們的生活提供便利就成了人

類的共同話題。同時(shí)由于人們的住房壓力越來越大，但新房價(jià)格一般來說更

高，因此有些人會考慮購買二手房。國家統(tǒng)計(jì)局發(fā)布了“2021年8月份70個(gè)

大中城市商品住宅銷售價(jià)格變動情況”。長沙8月新建商品住宅銷售價(jià)格指數(shù)

環(huán)比上漲0.5%，同比上漲6.8%；二手房銷售價(jià)格指數(shù)環(huán)比上漲0.4%，同比上

漲6.0%。隨著互聯(lián)網(wǎng)的高速發(fā)展、數(shù)據(jù)庫存儲技術(shù)的成熟，高性能的存儲設(shè)備

和存儲介質(zhì)日益普及，人們在生活、工作等產(chǎn)生的數(shù)據(jù)量以指數(shù)形式爆炸式增

長，大數(shù)據(jù)發(fā)展勢不可擋，但如何利用大數(shù)據(jù)分析為人們的生活提供便利就成

了人類的共同話題.同時(shí)由于人們的住房壓力越來越大，但新房價(jià)格一般來說

更高，因此有些人會考慮購買二手房。

1

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

近年來，長沙市的房地產(chǎn)市場發(fā)展迅速，其中二手房市場尤為熱門。許多

人選擇在長沙市購買二手房，以作為投資或自住之用。然而，由于信息不對稱

等因素，購買二手房存在許多挑戰(zhàn)。因此，研究長沙市二手房市場的發(fā)展趨勢

和影響因素，對于提升市場效率和促進(jìn)健康發(fā)展具有重要意義。

鏈家網(wǎng)是中國領(lǐng)先的房地產(chǎn)綜合服務(wù)平臺，提供豐富的房屋信息和服務(wù)。

鏈家網(wǎng)上提供了大量長沙市二手房信息，因此是研究長沙市二手房市場的重要

數(shù)據(jù)來源。本項(xiàng)目旨在通過爬取鏈家網(wǎng)上長沙市二手房信息，并使用Python

進(jìn)行數(shù)據(jù)分析，探討影響長沙市二手房價(jià)格的因素，并預(yù)測未來市場趨勢。

在本項(xiàng)目中，我們將使用Python的爬蟲框架爬取鏈家網(wǎng)上長沙市二手房

信息。在數(shù)據(jù)采集階段，我們將獲取長沙市不同地區(qū)、不同類型的二手房信

息，包括房屋面積、價(jià)格、戶型、樓層、裝修情況等。

在數(shù)據(jù)分析階段，我們將使用Python的數(shù)據(jù)分析庫，如pandas和

NumPy，進(jìn)行統(tǒng)計(jì)分析和數(shù)據(jù)挖掘。我們將探討影響長沙市二手房價(jià)格的因

素，并使用機(jī)器學(xué)習(xí)算法，如回歸分析、決策樹等，預(yù)測未來市場趨勢。

此外，我們還將使用數(shù)據(jù)可視化工具，如matplotlib和seaborn，對結(jié)果

進(jìn)行可視化呈現(xiàn)。這將有助于我們更直觀地理解數(shù)據(jù)，并向其他人呈現(xiàn)我們的

研究結(jié)果。

通過本項(xiàng)目，我們希望為政府、房地產(chǎn)企業(yè)和個(gè)人提供有價(jià)值的參考，并

為未來房地產(chǎn)市場的發(fā)展提供借鑒。

1.2開發(fā)環(huán)境與工具

1.2.1Python簡介

20世紀(jì)80年代末，荷蘭的龜叔（GuidoRossum）創(chuàng)造了Python。

Python創(chuàng)建的初期并沒有引起大多數(shù)人們的關(guān)注，在21世紀(jì)初Google在

大量的項(xiàng)目業(yè)務(wù)上大規(guī)模的開始應(yīng)用Python，Python也因此走進(jìn)大眾的視

野，從而促使Python的發(fā)展。

Python是一種廣泛使用的高級編程語言，用于開發(fā)各種應(yīng)用程序，包括網(wǎng)

站、科學(xué)計(jì)算、數(shù)據(jù)分析和人工智能等。Python的語法簡潔易懂，使得它成為

初學(xué)者學(xué)習(xí)編程的首選語言。同時(shí)，Python也擁有豐富的標(biāo)準(zhǔn)庫和第三方庫，

支持各種應(yīng)用場景。Python可以在多種操作系統(tǒng)中運(yùn)行，包括Windows、

Linux、macOS等。它還有許多優(yōu)秀的開發(fā)工具和框架，如Django、Flask和

PyQt等，可用于快速開發(fā)Web應(yīng)用、桌面應(yīng)用和移動應(yīng)用等。

2

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

Python還是著名的科學(xué)計(jì)算語言，擁有豐富的數(shù)學(xué)、統(tǒng)計(jì)和科學(xué)計(jì)算庫，

如NumPy、SciPy和pandas等。這些庫使得Python成為科學(xué)計(jì)算、數(shù)據(jù)分析

和機(jī)器學(xué)習(xí)的首選工具。

Python也是人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的主流語言，擁有許多優(yōu)秀的機(jī)器學(xué)

習(xí)框架和庫，如TensorFlow、scikit-learn和PyTorch等。這些工具使得

Python成為人工智能和機(jī)器學(xué)習(xí)的強(qiáng)大開發(fā)環(huán)境。

總的來說，Python是一種功能強(qiáng)大、易學(xué)易用的編程語言，支持各種應(yīng)用

場景，并有著廣泛的社區(qū)支持。它在科學(xué)計(jì)算、數(shù)據(jù)分析、人工智能和機(jī)器學(xué)

習(xí)等領(lǐng)域具有重要地位，是編程入門和職業(yè)發(fā)展的優(yōu)秀選擇。

1.2.2Pycharm簡介

PyCharm是一個(gè)由JetBrains開發(fā)的跨平臺PythonIDE（集成開發(fā)環(huán)

境）。它既可以用于Python開發(fā)，也可以用于Web和科學(xué)開發(fā)。PyCharm包

含了很多有用的功能，比如自動代碼完成、代碼調(diào)試、代碼檢查、代碼重構(gòu)以

及版本控制集成。

PyCharm還提供了一個(gè)可視化的調(diào)試器，可以幫助開發(fā)人員更快地找到代

碼中的錯誤。此外，PyCharm還有一個(gè)智能提示功能，可以幫助開發(fā)人員快速

了解Python庫的用法。

PyCharm還提供了一個(gè)內(nèi)置的Python解釋器，可以讓開發(fā)人員直接在IDE

中運(yùn)行代碼。還有一個(gè)內(nèi)置的Python控制臺，可以讓開發(fā)人員在命令行中輸

入Python代碼并立即得到結(jié)果。

總的來說，PyCharm是一個(gè)功能強(qiáng)大、易于使用的PythonIDE，適用于所

有水平的Python開發(fā)人員。

1.2.3Python第三方庫簡介

requests：這是一個(gè)用于發(fā)送HTTP請求的庫，可以用來簡化網(wǎng)絡(luò)請求的

操作。你可以使用它來發(fā)送GET和POST請求，添加請求頭和參數(shù)，處理響

應(yīng)，等等。

re：這是Python自帶的正則表達(dá)式庫。你可以使用它來在文本中搜索、

替換和分析模式匹配的字符串。

csv：這是Python自帶的用于讀寫CSV文件的庫。你可以使用它來讀取

和寫入CSV文件，并對數(shù)據(jù)進(jìn)行處理。

3

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

NumPy：這是一個(gè)用于科學(xué)計(jì)算的庫，提供了高性能的多維數(shù)組對象和常

用的數(shù)學(xué)函數(shù)。

pandas：這是一個(gè)用于數(shù)據(jù)分析的庫，提供了強(qiáng)大的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)處理

工具。你可以使用它來讀取和寫入各種數(shù)據(jù)格式，如CSV、Excel和SQL數(shù)

據(jù)庫，對數(shù)據(jù)進(jìn)行清理、轉(zhuǎn)換和分析。

matplotlib：這是一個(gè)用于繪制圖表的庫，可以用來生成各種類型的2D

圖和3D圖。你可以使用它來繪制散點(diǎn)圖、折線圖、條形圖、餅圖等等。

BeautifulSoup：這是一個(gè)用于解析HTML和XML文檔的庫

pylab：這是一個(gè)集成了NumPy和matplotlib的庫，可以用來進(jìn)行科學(xué)

計(jì)算和繪圖。你可以使用它來生成各種圖像并進(jìn)行數(shù)據(jù)分析。

pyecharts：這是一個(gè)基于Echarts的Python庫，用于生成交互式圖

表。你可以使用它來繪制折線圖、柱狀圖、餅圖、地圖等多種圖表，并通過

JavaScript進(jìn)行交互。

NumPy：這是一個(gè)用于科學(xué)計(jì)算的庫，提供了高性能的多維數(shù)組對象和常

用的數(shù)學(xué)函數(shù)。

Ploty：這是一個(gè)用于生成交互式圖表的庫，可以用來繪制各種類型的2D

圖和3D圖。你可以使用它來繪制散點(diǎn)圖、折線圖、條形圖、地圖等圖表，并

通過JavaScript進(jìn)行交互。

1.2.4Anaconda簡介

Anaconda是一個(gè)開源的Python發(fā)行版本，用于科學(xué)計(jì)算、數(shù)據(jù)分析和機(jī)

器學(xué)習(xí)。它包含了許多常用的Python包，比如NumPy、Pandas和SciPy，以及

用于數(shù)據(jù)可視化的包，比如Matplotlib和Seaborn。Anaconda還提供了一個(gè)

叫做conda的包管理工具，可以用來安裝、更新和卸載Python包。

Anaconda非常適合用于數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)項(xiàng)目，因?yàn)樗峁┝舜罅康臄?shù)

據(jù)科學(xué)和機(jī)器學(xué)習(xí)相關(guān)的包，并且可以很方便地進(jìn)行包管理。此外，Anaconda

還提供了一個(gè)叫做JupyterNotebook的交互式筆記本環(huán)境，可以用來編寫和

運(yùn)行代碼，并將代碼、文本和圖像結(jié)合起來制作漂亮的報(bào)告。

Anaconda可以在Windows、MacOS和Linux系統(tǒng)上使用，并且可以免費(fèi)下

載和使用。它的安裝非常簡單，只需要下載安裝程序并運(yùn)行即可。Anaconda可

以幫助你快速搭建Python開發(fā)環(huán)境，節(jié)省安裝和配置各種包的時(shí)間。

4

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

2需求分析

2.1可行性需求分析

1、技術(shù)可行性

Python是面向?qū)ο笳Z言中的一門通俗易懂的計(jì)算機(jī)編程語言，本次項(xiàng)目中

使用Python編寫程序來實(shí)現(xiàn)數(shù)據(jù)獲取，數(shù)據(jù)清洗預(yù)處理，數(shù)據(jù)可視化。采集

鏈家網(wǎng)長沙二手房的數(shù)據(jù)：使用Python的第三方庫如requests和

BeautifulSoup能夠方便地發(fā)送網(wǎng)絡(luò)請求并解析網(wǎng)頁。通過對鏈家網(wǎng)的分

析，我們可以確定網(wǎng)站的數(shù)據(jù)結(jié)構(gòu)和規(guī)則，使用爬蟲技術(shù)自動爬取數(shù)據(jù)。

對采集到的數(shù)據(jù)進(jìn)行清洗：使用pandas庫可以方便地對數(shù)據(jù)進(jìn)行清洗和

轉(zhuǎn)換。我們可以通過指定數(shù)據(jù)類型

以上為此次項(xiàng)目的技術(shù)可行性，我也將在后續(xù)的工作中將所有的步驟實(shí)現(xiàn)

到位，保證數(shù)據(jù)的準(zhǔn)確性和安全性。

2、項(xiàng)目可行性

教育、住房、醫(yī)療一直是壓在人民心頭的三座大山，也是我們中國社會主

義發(fā)展道路上的巨大難題。有關(guān)于三者的討論與新聞從未斷絕過，每一次發(fā)表

關(guān)于教育、住房、醫(yī)療等領(lǐng)域的話題時(shí)，其話題熱度往往能沖上熱搜榜首。

項(xiàng)目目標(biāo)可行性：通過采集鏈家網(wǎng)長沙二手房的數(shù)據(jù)并進(jìn)行分析，我們能

夠得出有用的結(jié)論。本項(xiàng)目的目標(biāo)是可以實(shí)現(xiàn)的。

項(xiàng)目技術(shù)可行性：本項(xiàng)目所需的技術(shù)，如Python語言、網(wǎng)絡(luò)爬蟲、數(shù)據(jù)

清洗、數(shù)據(jù)分析、數(shù)據(jù)可視化等，都是成熟的技術(shù)，并且有足夠的工具和庫可

以支持。因此，本項(xiàng)目的技術(shù)可行性較高。

項(xiàng)目資源可行性：本項(xiàng)目的人員需求不大，可以由一名Python程序員完

成。所需的計(jì)算機(jī)硬件資源也不高，可以使用普通的電腦或服務(wù)器。因此，本

項(xiàng)目的資源可行性較高。

項(xiàng)目時(shí)間可行性：根據(jù)項(xiàng)目的功能和規(guī)模，我們估計(jì)本項(xiàng)目的開發(fā)周期在

1~2個(gè)月之內(nèi)。因此，本項(xiàng)目的時(shí)間可行性較高

2.2采集目標(biāo)功能分析

本次項(xiàng)目的數(shù)據(jù)集的來源是鏈家網(wǎng)二手房，是通過python爬取鏈家網(wǎng)上

長沙所有地區(qū)的二手房信息。數(shù)據(jù)清洗后共4333條記錄，爬取完成后盡可能

的檢查數(shù)據(jù)的準(zhǔn)確性，確定爬取出來的數(shù)據(jù)無誤并且是屬于鏈家網(wǎng)實(shí)時(shí)存在的

5

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

長沙二手房信息。

分析鏈家網(wǎng)網(wǎng)頁信息，采集鏈家網(wǎng)長沙二手房的房屋信息：包括房屋的面

積、戶型、樓層、朝向、裝修情況等。這些信息對于買賣者來說是非常重要

的，能夠幫助他們了解房屋的實(shí)際情況。

采集鏈家網(wǎng)長沙二手房的價(jià)格信息：包括房屋的總價(jià)、單價(jià)、每平方米價(jià)

格等。這些信息對于買賣者來說也是非常重要的，能夠幫助他們了解房屋的價(jià)

格水平。

采集鏈家網(wǎng)長沙二手房的地理位置信息：這些信息對于買賣者來說也是非

常重要的，能夠幫助他們了解房屋所在的位置、周邊的配套設(shè)施、交通情況

等。

采集鏈家網(wǎng)長沙二手房的發(fā)布時(shí)間：能夠幫助房地產(chǎn)業(yè)者了解房屋市場的

價(jià)格趨勢。

除了以上提到的信息之外，還可以考慮采集其他信息，如房屋的產(chǎn)權(quán)信

息、房屋的掛牌時(shí)間、房屋的貸款情況等。根據(jù)需要，可以在采集的數(shù)據(jù)中篩

選出這些信息。

2.3關(guān)鍵技術(shù)分析

2.3.1網(wǎng)絡(luò)爬蟲技術(shù)

在我們?nèi)粘Ｉ钪袨g覽網(wǎng)頁通常都會遇到需要緩存在本地的數(shù)據(jù)，當(dāng)數(shù)量

比較小的時(shí)候我們可以自己采取手動下載的方式去獲得想要的數(shù)據(jù)，不過在我

們的大數(shù)據(jù)領(lǐng)域一般用到的數(shù)據(jù)體量都是幾個(gè)G甚至幾個(gè)T的單位，這個(gè)時(shí)候

采取手動下載獲取數(shù)據(jù)無疑是一個(gè)很愚蠢的方式，所以我們會采取網(wǎng)絡(luò)爬蟲的

手段自動化的獲取數(shù)據(jù)。

網(wǎng)絡(luò)爬蟲技術(shù)（也稱為網(wǎng)絡(luò)蜘蛛、網(wǎng)絡(luò)機(jī)器人或網(wǎng)頁爬蟲）是一種自動在

互聯(lián)網(wǎng)上搜集信息的方法。它通過編寫程序，自動訪問網(wǎng)站并抓取網(wǎng)站上的數(shù)

據(jù)，然后將抓取到的數(shù)據(jù)存儲到本地或遠(yuǎn)程服務(wù)器上。網(wǎng)絡(luò)爬蟲技術(shù)是基于網(wǎng)

絡(luò)協(xié)議的，常用的網(wǎng)絡(luò)協(xié)議包括HTTP和FTP。網(wǎng)絡(luò)爬蟲技術(shù)通常使用HTTP

協(xié)議，通過向網(wǎng)站發(fā)送請求，獲取網(wǎng)站上的數(shù)據(jù)。

網(wǎng)絡(luò)爬蟲技術(shù)的主要用途包括：網(wǎng)頁搜索引擎的索引和排名：通過爬蟲技

術(shù)，搜索引擎可以自動搜集網(wǎng)絡(luò)上的網(wǎng)頁，并對網(wǎng)頁進(jìn)行索引和排名。

數(shù)據(jù)挖掘和分析：通過爬蟲技術(shù)，可以搜集大量的數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行分

析，從而了解市場動態(tài)和用戶喜好。

6

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

網(wǎng)絡(luò)信息監(jiān)測：通過爬蟲技術(shù)，可以實(shí)時(shí)監(jiān)測網(wǎng)絡(luò)上的信息，從而了解市

場動態(tài)。

網(wǎng)絡(luò)爬蟲技術(shù)的實(shí)現(xiàn)方式有手動爬取和自動爬取兩種。文件存取技術(shù)自動

爬取是指使用爬蟲軟件或平臺進(jìn)行爬取的方式。爬蟲軟件或平臺通常提供了可

視化的界面，可以讓用戶輸入爬取的目標(biāo)網(wǎng)站和所需信息，并自動完成爬取過

程。使用爬蟲軟件或平臺進(jìn)行爬取可以大大簡化爬取過程，是現(xiàn)在比較常用的

爬取方式。手動爬取是指使用腳本語言或編程語言手動編寫爬蟲程序進(jìn)行爬取

的方式。這種方式比較靈活，可以自定義爬取過程，但需要具備一定的編程能

力。在使用網(wǎng)絡(luò)爬蟲技術(shù)時(shí)，需要注意遵守網(wǎng)絡(luò)道德，不要侵犯網(wǎng)站的版權(quán)和

隱私。此外，還需要遵守網(wǎng)站的機(jī)器人協(xié)議，也就是在爬取網(wǎng)站信息時(shí)所遵循

的規(guī)則。機(jī)器人協(xié)議通常由網(wǎng)站所有者設(shè)置，用于告知爬蟲程序是否允許訪問

網(wǎng)站，以及在何種條件下可以訪問。機(jī)器人協(xié)議一般包括兩個(gè)部分：

robots.txt文件和X-Robots-TagHTTP頭。robots.txt文件是網(wǎng)站所有者

設(shè)置的文本文件，用于告知爬蟲程序哪些網(wǎng)頁可以訪問，哪些網(wǎng)頁不可以訪

問。X-Robots-TagHTTP頭是網(wǎng)站所有者在網(wǎng)頁的HTTP頭部設(shè)置的標(biāo)簽，用

于指示爬蟲程序?qū)υ摼W(wǎng)頁的訪問行為。在使用網(wǎng)絡(luò)爬蟲技術(shù)時(shí)，還需要注意避

免對網(wǎng)站造成過大負(fù)荷，以免造成網(wǎng)站服務(wù)器崩潰或網(wǎng)站訪問緩慢的情況。為

了避免這種情況，爬蟲程序通常設(shè)置了訪問頻率的限制，即在一定時(shí)間內(nèi)只能

訪問特定數(shù)量的網(wǎng)頁。

此外，還要注意避免爬蟲程序被網(wǎng)站服務(wù)器識別出來，因?yàn)橛行┚W(wǎng)站會拒

絕爬蟲程序的訪問。為了避免這種情況，爬蟲程序通常會模擬瀏覽器的行為，

并設(shè)置偽裝瀏覽器的信息，如瀏覽器名稱、瀏覽器版本、操作系統(tǒng)等。

總的來說，網(wǎng)絡(luò)爬蟲技術(shù)是一種非常有用的工具，可以幫助我們快速搜集

大量的網(wǎng)絡(luò)信息，但在使用時(shí)也需要注意遵守相關(guān)規(guī)則和道德，以保證爬取數(shù)

據(jù)的合法性和有效性。此外，在使用網(wǎng)絡(luò)爬蟲技術(shù)時(shí)，還要注意避免對網(wǎng)站造

成過大負(fù)荷，并盡量避免被網(wǎng)站服務(wù)器識別出來。網(wǎng)絡(luò)爬蟲技術(shù)有許多應(yīng)用領(lǐng)

域，如搜索引擎、數(shù)據(jù)挖掘和分析、網(wǎng)絡(luò)信息監(jiān)測等。在這些領(lǐng)域中，網(wǎng)絡(luò)爬

蟲技術(shù)都發(fā)揮了重要作用，為企業(yè)、研究機(jī)構(gòu)和個(gè)人提供了豐富的信息資源。

2.3.2文件存取技術(shù)

在Python中，有許多方法可以用于存儲和檢索數(shù)據(jù)。常用的方法包括：

文件存儲：將數(shù)據(jù)存儲在文本文件或二進(jìn)制文件中，可以使用Python的

7

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

內(nèi)置open()函數(shù)來讀寫文件。

關(guān)系型數(shù)據(jù)庫：使用關(guān)系型數(shù)據(jù)庫（如MySQL、PostgreSQL等）來存儲

數(shù)據(jù)，可以使用Python的sqlite3模塊來連接數(shù)據(jù)庫并執(zhí)行SQL語句。

非關(guān)系型數(shù)據(jù)庫：使用非關(guān)系型數(shù)據(jù)庫（如MongoDB、Redis等）來存儲

數(shù)據(jù)，可以使用Python的相應(yīng)模塊（如pymongo、redis-py等）來連接數(shù)

據(jù)庫并執(zhí)行相應(yīng)的操作。

內(nèi)存數(shù)據(jù)庫：使用內(nèi)存數(shù)據(jù)庫（如SQLite）來存儲數(shù)據(jù)，可以使用

Python的sqlite3模塊來連接數(shù)據(jù)庫并執(zhí)行SQL語句。

文件和目錄操作：使用Python的os模塊來對文件和目錄進(jìn)行操作，如

創(chuàng)建、刪除、復(fù)制等。

在選擇存儲技術(shù)時(shí)，需要根據(jù)數(shù)據(jù)的大小、存儲方式、訪問頻率和性能要

求等因素來進(jìn)行選擇。

本文中使用的存儲是CSV文件存儲。CSV文件以純文本形式將表格數(shù)據(jù)存

儲為字符序列，最常見的是用逗號和制表符作為字段之間的分隔符，它相對

excel文件更簡潔，先對xls文本沒有公式等內(nèi)容，他只是字符間隔的純文

本，結(jié)構(gòu)清晰，處理起來也比較方便。本文中用到的就是csv文件存儲方式。

PyCharm內(nèi)置csv模塊如圖2-1顯示：

圖2-1PyCharm內(nèi)置csv模塊

2.3.3可視化技術(shù)

爬取下來的數(shù)據(jù)通過預(yù)處理、保存為csv文件格式。該數(shù)據(jù)集我們能否一

眼就得到我們想要的結(jié)論呢？答案是否定的！

我們需要一種技術(shù)，根據(jù)我們獲取到的龐大數(shù)據(jù)將其通過統(tǒng)計(jì)學(xué)圖形的方

式展現(xiàn)在我們眼前，讓我們對其結(jié)果一目了然。這個(gè)就是數(shù)據(jù)可視化技術(shù)。

顯然我們獲取到的數(shù)據(jù)是一串串冗長的字符串，上面寫的一條條信息或許

我們能夠看懂讀懂，但是當(dāng)它成千上萬的時(shí)候我們短時(shí)間內(nèi)很難看出端倪和破

8

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

綻，我們需要進(jìn)行深入的了解和分析。對這一坨枯燥而乏味的數(shù)據(jù)集進(jìn)行處理

完畢后，我們就要導(dǎo)入需要的第三方庫將數(shù)據(jù)合理的進(jìn)行判斷，決定使用什么

樣的幾何圖形才能最好、并且直觀的表達(dá)出數(shù)據(jù)集的信息。

可視化是指將信息、數(shù)據(jù)或概念以圖表、圖像或其他形式的可視化方式

呈現(xiàn)出來。可視化的目的是使信息、數(shù)據(jù)或概念更加直觀、清晰和容易理解。

可視化可以幫助人們更快速地看出信息、數(shù)據(jù)或概念的規(guī)律和特點(diǎn)，并做出正

確的決策。在使用可視化時(shí)，需要注意選擇合適的圖表類型，并謹(jǐn)慎解讀數(shù)

據(jù)。此外，還要注意圖表的設(shè)計(jì)和排版，以使圖表能夠清晰地傳達(dá)信息。本次

項(xiàng)目中僅僅只是將得到的數(shù)據(jù)用很簡單的可視化手段實(shí)現(xiàn)數(shù)據(jù)可視化，具體的

話就是用python的第三方庫Matpoltlab對數(shù)據(jù)去進(jìn)行一個(gè)可視化，

Matplotlab中包含了很多庫，常見的有柱狀圖、餅圖、折線圖、散點(diǎn)圖、熱力

圖、地圖等。這些圖表可以用來表示數(shù)據(jù)的分布、關(guān)系和趨勢等信息，可以很

好的將數(shù)據(jù)高效率的表現(xiàn)出來，可視化圖形呈現(xiàn)出來后對于結(jié)果自然一目了

然，然后得出結(jié)論。

3數(shù)據(jù)采集

3.1采集頁面分析

我們通過谷歌瀏覽器搜索鏈家的官方網(wǎng)頁，點(diǎn)進(jìn)去我們就到了鏈家官方網(wǎng)

站，觀察圖3-1。

圖3-1數(shù)據(jù)網(wǎng)址頁面

9

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

然后找到二手房頁面觀察圖3-2，其中URL為：

/ershoufang/然后點(diǎn)擊頁面下方的分頁按鈕，同時(shí)觀

察URL。

圖3-2數(shù)據(jù)網(wǎng)址頁面

發(fā)現(xiàn)URL有變化，第二頁時(shí)URL為：

/ershoufang/pg2/；url有變化，隨著頁面數(shù)而變，

如圖3-3

圖3-3數(shù)據(jù)網(wǎng)址頁面

10

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

按F12調(diào)出開發(fā)者工具，刷新頁面，如圖3-4。

圖3-4開發(fā)者工具

利用全局搜索工具定位所需數(shù)據(jù)位置，點(diǎn)擊開發(fā)者工具上面的Headers字

段，分析這是個(gè)什么請求，發(fā)現(xiàn)這個(gè)是一個(gè)GET請求。

3.2字段分析

我們首先來到網(wǎng)頁面打開網(wǎng)頁的選擇欄，然后將選擇欄目定位到二手房售

賣信息的位置也就是定位到我們所需要的數(shù)據(jù)所在的位置，點(diǎn)擊源代碼發(fā)現(xiàn)數(shù)

據(jù)在一個(gè)大的div里面，可以很直觀的看到行政區(qū)、房源的標(biāo)題、小區(qū)名、位

置、稅相關(guān)、總價(jià)、單價(jià)、面積、朝向、裝修等信息，觀察圖3-5

11

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

圖3-5分析數(shù)據(jù)類型頁面

3.3編程實(shí)現(xiàn)

導(dǎo)入所需庫，觀察圖3-6

圖3-6導(dǎo)入所需庫頁面

設(shè)置請求頭，偽裝成瀏覽器訪問服務(wù)器，使爬蟲更難被發(fā)現(xiàn)，使爬蟲能夠

訪問服務(wù)器上的信息。觀察圖3-7

12

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

圖3-7請求頭內(nèi)容頁面

代碼實(shí)現(xiàn)如下：

importre

importcsv

importtime

importmath

importrequests

fromtqdmimporttqdm

frombs4importBeautifulSoup

headers={'User-Agent':'Mozilla/5.0(WindowsNT10.0;Win64;x64)AppleWebKit/537.36

(KHTML，likeGecko)Chrome/65.0.3325.146Safari/537.36'，

'Referer':'/ershoufang/'}

session=requests.session()

session.get('/ershoufang/'，headers=headers)

url='/ershoufang/{}/'

#pg{}/

area_dic={'雨花區(qū)':'yuhua'，

'岳麓區(qū)':'yuelu'，

'天心區(qū)':'tianxin'，

'開福區(qū)':'kaifu'，

'芙蓉區(qū)':'furong'，

'望城區(qū)':'wangcheng'，

'寧鄉(xiāng)縣':'ningxiang'，

'瀏陽市':'liuyang'，

'長沙縣':'changshaxian'

}

#csv表格商品頭

defcsv_head():

ky='changsha'

head=['area'，'title'，'community'，'position'，'tax'，'total_price'，'unit_price'，

'hourseType'，'hourseSize'，'direction'，'fitment']

#'tax'

csvFile=open(fr'{ky}.csv'，'a+'，newline=''，encoding='utf-8-sig')#設(shè)置

13

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

newline，否則兩行之間會空一行

writer=csv.writer(csvFile)

writer.writerow(head)

csvFile.close()

#存儲本地csv

defsave(info):

ky='changsha'

csvFile=open(fr'{ky}.csv'，'a+'，newline=''，encoding='utf-8-sig')#設(shè)置

newline，否則兩行之間會空一行

writer=csv.writer(csvFile)

writer.writerow(info)

csvFile.close()

defre_match(re_pattern，string，errif=None):

try:

returnre.findall(re_pattern，string)[0].strip()

exceptIndexError:

returnerrif

defcollect():

forkey_，value_inarea_dic.items():

#獲取該行政區(qū)下房源記錄數(shù)

start_url='/ershoufang/{}/'.format(value_)

html=session.get(start_url).text

house_num=re.findall('共找到<span>(.*?)</span>套.*二手房'，html)[0].strip()

print('{}:社區(qū)房源共計(jì)「{}」套'.format(key_，house_num))

time.sleep(3)

#頁面限制每個(gè)行政區(qū)只能獲取`最多100頁共計(jì)3000條房源信息

total_page=int(math.ceil(min(3000，int(house_num))/30.0))

foriintqdm(range(total_page)，desc=key_):

html=session.get(url.format(value_，i+1)).text

soup=BeautifulSoup(html，'lxml')

info_collect=soup.find_all(class_="infoclear")

forinfoininfo_collect:

info_dic={}

#行政區(qū)

info_dic['area']=key_

14

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

#房源的標(biāo)題

info_dic['title']=re_match('target="_blank">(.*?)</a><!--'，str(info))

#小區(qū)名

info_dic['community']=re_match('xiaoqu.*?target="_blank">(.*?)</a>'，

str(info))

#位置

info_dic['position']=re_match('<a

href.*?target="_blank">(.*?)</a>.*?class="address">'，str(info))

#稅相關(guān)，如房本滿5年

info_dic['tax']=re_match('class="taxfree">(.*?)</span>'，str(info))

#總價(jià)

info_dic['total_price']=re_match('<divclass="totalPricetotalPrice2"><i>

</i><spanclass="">(.*?)</span><i>萬</i></div>'，str(info))

#print(info_dic['total_price'])

#單價(jià)

info_dic['unit_price']=float(re_match('data-price="(.*?)"'，str(info)))

#匹配房源標(biāo)簽信息，通過|切割

#包括面積，朝向，裝修等信息

icons=re.findall('class="houseIcon"></span>(.*?)</div>'，

str(info))[0].strip().split('|')

info_dic['hourseType']=icons[0].strip()

info_dic['hourseSize']=float(icons[1].replace('平米'，''))

info_dic['direction']=icons[2].strip()

info_dic['fitment']=icons[3].strip()

list=[info_dic['area']，info_dic['title']，info_dic['community']，

info_dic['position']，info_dic['tax']，info_dic['total_price']，

info_dic['unit_price']，

info_dic['hourseType']，info_dic['hourseSize']，

info_dic['direction']，info_dic['fitment']]

save(list)

if__name__=='__main__':

csv_head()

collect()

15

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

4數(shù)據(jù)清洗與處理

獲得龐大的數(shù)據(jù)集之后我們需要對數(shù)據(jù)進(jìn)行預(yù)處理，數(shù)據(jù)清洗與處理是數(shù)

據(jù)分析的重要步驟。它的目的是確保數(shù)據(jù)的質(zhì)量和準(zhǔn)確性，并使數(shù)據(jù)能夠被有

效地分析。數(shù)據(jù)清洗與處理過程包括對數(shù)據(jù)進(jìn)行檢查，確保它們是正確的、完

整的、一致的和可用的。它還包括對數(shù)據(jù)進(jìn)行轉(zhuǎn)換、整合和規(guī)范化，以便進(jìn)行

分析。

本次項(xiàng)目中我們需要將爬下來的數(shù)據(jù)和網(wǎng)頁原數(shù)據(jù)進(jìn)行比對，并且檢查是

否出現(xiàn)空值、錯值，還有數(shù)據(jù)的位置是否正確。根據(jù)不同的需求我們要對數(shù)據(jù)

進(jìn)行不同的處理。

4.1數(shù)據(jù)清洗

使用jupyter導(dǎo)入數(shù)據(jù)，檢查爬取下去的數(shù)據(jù)是否存在缺失，錯位還有空值，

觀察圖4-1

圖4-1數(shù)據(jù)清洗準(zhǔn)備頁面

經(jīng)過比對和檢查，發(fā)現(xiàn)有一列后續(xù)可視化不需要的數(shù)據(jù)存在空值，那么我

們對其根據(jù)需求將有效數(shù)據(jù)統(tǒng)一規(guī)劃去掉不要的行列數(shù)據(jù)，防止數(shù)據(jù)冗余。因

此我們只需保留需要的數(shù)據(jù)，然后整理為原網(wǎng)頁格式存入changsha1.csv文件

中，留存后續(xù)作為統(tǒng)計(jì)分析、可視化使用。

16

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

圖4-2數(shù)據(jù)清洗完成界面

4.2數(shù)據(jù)儲存

數(shù)據(jù)儲存得方法有很多種，在Python開發(fā)中，有許多方法可用于數(shù)據(jù)存

儲。常見得可以直接用記事本格式儲存（txt），或者直接用其他文件的形式

儲存比如：數(shù)據(jù)庫存儲可以使用Python的數(shù)據(jù)庫驅(qū)動程序（如MySQLdb、

psycopg2等）連接數(shù)據(jù)庫，然后使用SQL語句將數(shù)據(jù)存儲到數(shù)據(jù)庫中、序列

化存儲可以使用Python的內(nèi)置模塊pickle將對象序列化為二進(jìn)制數(shù)據(jù)、內(nèi)

存數(shù)據(jù)庫可以使用Python的內(nèi)存數(shù)據(jù)庫（如SQLite、shelve等）將數(shù)據(jù)保

存在內(nèi)存中，供程序使用等。CSV文件是純文本形式的數(shù)據(jù)存儲形式，該文件

是一個(gè)字符序列，一個(gè)最常見的是逗號作為分隔符和制表符之間的字段，它相

對Excel文件更簡潔，首先XLS文本內(nèi)容如沒有公式，他只是純文本字符空

間，結(jié)構(gòu)清晰，而且處理起來更方便。

如圖4-3所示：

17

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

圖4-3數(shù)據(jù)存儲CSV頁面

4.3編程實(shí)現(xiàn)

步驟一：創(chuàng)建一個(gè)字符串，以及一個(gè)表頭列表，后面將其寫入

步驟二：使用open打開一個(gè)csv文件，將表頭列表字符串寫入

步驟三：創(chuàng)建一個(gè)函數(shù)，將后面爬取的數(shù)據(jù)列表寫入csv文件

步驟四：驗(yàn)證存入數(shù)據(jù)是否正確

18

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

5數(shù)據(jù)統(tǒng)計(jì)與分析

5.1數(shù)據(jù)準(zhǔn)備

將清洗好的數(shù)據(jù)重新存為一個(gè)新的csv文件，導(dǎo)入相關(guān)庫，使用pandas

加載源數(shù)據(jù)，如下圖5-1、5-2。

圖5-1數(shù)據(jù)準(zhǔn)備頁面

圖5-2數(shù)據(jù)加載頁面

打開PyCharm軟件，選擇目錄下的biyesheji文件，打開處理過的源文件

changsha1.csv，輸出文件的前十行查看數(shù)據(jù)是否完整如圖5-3

19

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

圖5-3PyCharm頁面

5.2數(shù)據(jù)展示

5.2.1依據(jù)不同行政區(qū)、戶型、朝向、裝修類型占比餅狀圖

圖5-4數(shù)據(jù)展示頁面

將在表格中行政區(qū)、戶型、朝向、裝修的字段數(shù)據(jù)進(jìn)行匯總和處理然后將

其統(tǒng)計(jì)房源數(shù)量，最后按降序排列，通過這些統(tǒng)計(jì)出來的數(shù)據(jù)再按照不同字段

生成四個(gè)餅圖，如上圖5-4中可以看出長沙不同行政區(qū)之間除去望城區(qū)房源少

20

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

一點(diǎn)，其他行政區(qū)的房源占比基本一致，這反映出望城區(qū)房源偏少，地區(qū)不夠

繁華。這所有房源其不同戶型的房源五室二廳占比最多，占了大約百分之48

左右，其次就是四室二廳占了百分之28左右。另外可以看出長沙二手房中精

裝的房子居多，占了百分之50，其次就是毛胚占了百分之19，大家購買房子

時(shí)可以根據(jù)自己的需求區(qū)分。

不僅如此，我還發(fā)現(xiàn)長沙二手房最多有大約一半的房子朝向都是南方，其

次就是南北，可以看出大眾都喜歡朝向偏南方的房子，選購時(shí)可以參考。一般

來說，其實(shí)南朝向的房子光照還是非常不錯的，不但可以在白天保持充足的陽

光，而且在冬天陽光也能照射到同樣的深處。購買南朝向的房子，可以說是完

全不用擔(dān)心采光會不足的問題?？蛷d和臥室都能照到太陽，純南戶型在內(nèi)部布

局時(shí)，都會把戶型的主要房間，一般是主臥和客廳，布置在朝南的位置，這里

也是戶型最好的位置，采光、日照都很好。所以，全朝南戶型同時(shí)也稱為“雙

陽房”，大意就是有需要的房間都能接受到陽光。

5.2.2依據(jù)不同地區(qū)單價(jià)總價(jià)統(tǒng)計(jì)

圖5-5數(shù)據(jù)展示頁面

從上圖5-5中可以看出來長沙各地區(qū)的總價(jià)也好單價(jià)也好都是岳麓區(qū)的價(jià)

格最高，總價(jià)已經(jīng)高達(dá)兩百多萬，單價(jià)也是到了大約15000每平方米，其次就

是開福區(qū)總價(jià)大約在190萬左右，單價(jià)13000每平方米。天心區(qū)等其他另外一

些地區(qū)的價(jià)格都是較低的。岳麓區(qū)位居各區(qū)縣首位，比第二名開福區(qū)還要高出

2000多，為何岳麓區(qū)房價(jià)會如此突出、引領(lǐng)全市呢？

問題很簡單，岳麓區(qū)位于湘江西岸，占地面積廣，發(fā)展勢頭迅猛，第七次

21

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

人口普查有152.7萬常住人口，位列長沙各區(qū)縣之首，近些年來房地產(chǎn)市場十

分活躍，誕生了多個(gè)熱門板塊。因此岳麓區(qū)人口最多，近10年來翻了一倍，

人口的增長就是經(jīng)濟(jì)發(fā)展的縮影，各類城市規(guī)劃、配套也越來越好，相較于河

東“老城”，岳麓區(qū)更像一座“新城”，而更好、更新的規(guī)劃配套就間接給二

手市場“增值”。人口的增多，經(jīng)濟(jì)的增長意味著岳麓區(qū)的住房需求就可能高

于其他地區(qū)，也就意味著10年間建成了很多樓盤項(xiàng)目，岳麓區(qū)的二手房房齡

就普遍很新，老房子比較少，房齡是影響二手房價(jià)的重要因素。還有一個(gè)關(guān)

鍵，岳麓區(qū)教育資源優(yōu)越，優(yōu)質(zhì)學(xué)校眾多，岳麓區(qū)位于長沙西北部，擁有多所

大學(xué)、研究所和其他設(shè)施。這可能使其成為喜歡靠近教育和研究機(jī)會的人們

的理想地點(diǎn)。另外，該區(qū)通過公共交通與市內(nèi)其他地方連接良好，這也可能

吸引買家。導(dǎo)致學(xué)區(qū)旁二手房價(jià)很貴，像市府、梅溪湖等，有很多超過兩萬、

甚至三萬均價(jià)的小區(qū)，這些也拉高了岳麓區(qū)的均價(jià)。還有一些可能的因素比如

說住房庫存質(zhì)量，岳麓區(qū)的整體住房庫存質(zhì)量可能高于其他地區(qū)，這可能會吸

引買家并導(dǎo)致更高的價(jià)格。這可能是由于房屋的年齡和狀況以及設(shè)備、飾面

和戶外空間等設(shè)施的可用性。市場狀況，整體住房市場的變化，包括經(jīng)濟(jì)狀況

和利率，也可能影響岳麓區(qū)的二手房價(jià)格。

5.2.3根據(jù)地段進(jìn)行統(tǒng)計(jì)和分析

圖5-6數(shù)據(jù)展示頁面

從上圖5-6中可以得知梅溪湖北岸和市政府是房價(jià)最高的地段。

這兩個(gè)地段房子地理位置優(yōu)越，長沙市政府地段位于市中心地段，交通便

利，周邊配套設(shè)施齊全，這些都是房價(jià)較高的因素。市中心地段的房屋價(jià)格通

常會比郊區(qū)或者遠(yuǎn)離市中心的地方高，因?yàn)槭兄行牡囟蔚慕煌ū憷?，周邊配?/p>

22

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

設(shè)施齊全，更方便生活工作。房屋品質(zhì)較高，長沙市政府地段的房屋一般都是

偏新的房子或者近期裝修過的房屋，房屋品質(zhì)較高，因此房價(jià)也相對較高。房

屋的品質(zhì)是影響房價(jià)的重要因素，較新的房屋或者裝修較精細(xì)的房屋，價(jià)格通

常會比老房或者裝修粗糙的房屋高。而且土地使用權(quán)高，土地使用權(quán)是房屋價(jià)

格的重要因素之一。由于長沙市政府地段的土地使用權(quán)較高，因此房屋價(jià)格也

相對較高。土地使用權(quán)指的是土地所有人對土地的使用權(quán)限，土地使用權(quán)越

高，房屋價(jià)格就越高。加上一般這地段的房子供應(yīng)量少，長沙市政府地段的房

屋數(shù)量較少，而需求量卻很大，這也是導(dǎo)致房價(jià)較高的原因之一。供求關(guān)系是

影響房價(jià)的重要因素，如果供應(yīng)量少而需求量大，房價(jià)就會較高。這兩個(gè)地段

經(jīng)濟(jì)發(fā)達(dá)，所有房價(jià)偏高。梅溪湖北岸除了以上原因以外，最主要的原因是因

為教育資源優(yōu)越，優(yōu)質(zhì)學(xué)校眾多擁有多所大學(xué)、研究所和其他設(shè)施。這可能

使其成為喜歡靠近教育和研究機(jī)會的人們的理想地點(diǎn)。另外，該區(qū)通過公共

交通與市內(nèi)其他地方連接良好，因?yàn)槭菍W(xué)區(qū)房，所以導(dǎo)致該地區(qū)的房子價(jià)格最

高。

5.2.4依據(jù)房間大小及分布密度和房價(jià)的關(guān)系進(jìn)行統(tǒng)計(jì)

圖5-7數(shù)據(jù)展示頁面

我們提取2022年底的數(shù)據(jù)，將其以柱形圖折線圖以及散點(diǎn)圖的形式可視

化，我們從圖5-7折線柱形圖可以看出長沙的二手房的房間大小基本都處在60

到300之間，圖基本上成垂直形狀，分布的很集中。而且從整個(gè)圖形來看數(shù)據(jù)

23

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

占比大部分都是100到150這個(gè)區(qū)間居多，由此可以看出長沙的二手房房間大

小大部分都是100平方到150平方的樣子，200以上的就比較少，因?yàn)檫@些房

屋的建造成本較高，市場需求也較少。此外，由于土地資源有限，建造200平

方米以上的房屋可能會受到限制。長沙是一座人口約1400萬的城市，但是由

于土地有限，建造大型住宅可能會受到限制。此外，長沙的房地產(chǎn)市場可能存

在其他因素，如需求和供應(yīng)的平衡，以及政府的房地產(chǎn)政策等，這些因素也可

能會影響200平方米以上的二手房的數(shù)量。

提取出所有的元素和數(shù)據(jù)不難發(fā)現(xiàn)。整個(gè)圖像呈現(xiàn)一種尖錐狀態(tài)。似乎存

在某種規(guī)律，說明數(shù)據(jù)分布很集中，基本上都是在這個(gè)區(qū)間，這個(gè)的房間大小

符合人們的居住需要。我們再觀察右邊的散點(diǎn)圖，這是將2022年底的數(shù)據(jù)的

房間大小和總價(jià)關(guān)系繪制的散點(diǎn)圖，從圖中不難看出，房間大小和價(jià)格成正

比，即房間越大，總價(jià)就越高。這是因?yàn)橥ǔＧ闆r下，房間越大，建造成本就

越高，同時(shí)市場需求也更高。因此，在長沙的二手房市場中，房間越大的房屋

的總價(jià)通常也會越高。

但是，要注意的是，這種關(guān)系并不總是嚴(yán)格的正比關(guān)系。在某些情況下，

房間較大的房屋的總價(jià)并不一定比房間較小的房屋的總價(jià)高，這可能是由于房

屋所在的地理位置、周邊環(huán)境、房屋質(zhì)量等因素的影響。因此，在觀察長沙的

二手房市場時(shí)，應(yīng)考慮這些因素的影響，以便更準(zhǔn)確地評估房屋的價(jià)值。

5.3本章小結(jié)

綜上，影響長沙二手房房價(jià)的因素有很多，其中影響最大的因素就是教育

資源優(yōu)越，優(yōu)質(zhì)學(xué)校眾多擁有多所大學(xué)、研究所和其他設(shè)施，地理位置優(yōu)越，

這是關(guān)鍵，另外就是房屋朝向，房屋的方向決定了房間的采光如何，裝修方面

決定了是自己設(shè)計(jì)裝修風(fēng)格還是選擇現(xiàn)成的自己喜歡的風(fēng)格，還有戶型決定了

以后家庭的居住人數(shù)，等等方面，另外就是房間大小也與價(jià)格息息相關(guān)，房間

越大，建造成本就越高，同時(shí)市場需求也更高，越大的房屋的總價(jià)通常也會越

高。通過對鏈家網(wǎng)長沙二手房各行政區(qū)的二手房售賣合集數(shù)據(jù)的爬取，我們得

到了長沙最近發(fā)布的所有二手房信息和各項(xiàng)數(shù)據(jù)，通過分析這些數(shù)據(jù)得出結(jié)

論，長沙的岳麓區(qū)是所有行政區(qū)中房價(jià)最高的，可能是岳麓區(qū)學(xué)府集中，加上

需求大等因素。長沙二手房大部分房間的大小都是在100平方150平方這個(gè)區(qū)

間，朝向?yàn)槟戏胶推戏降木佣啵@表明采光很好。而且大部分房子都是精

裝，這是因?yàn)槎址慷?/p>