摘要

本研究深入分析了北京市租房市场，利用6000余条详细的租房数据记录，结合市场调研和网络数据搜集，揭示了不同区域、不同户型的租房价格分布，并探讨了影响租金价格的关键因素。

1.数据集概述

数据集包含6000余条租房信息，分布在8个结构统一的CSV文件中，涉及北京市多个区域。

2.数据处理流程

利用pandas库将CSV文件合并，执行数据清洗，包括删除重复记录、处理缺失值、剔除异常数据。
对数据进行转换和增强，例如，从楼层信息中提取出所在楼层和总楼层，从地铁信息中提取地铁线路数和距离地铁的距离。
将清洗后的数据保存至SQLite数据库，以便于进一步分析。

3.数据分析与可视化结果

3.1市场概况

平均每平米租金为169元
平均每套房源出租面积为15.68平米
朝阳区和东城区因地理位置优越，租金普遍在2000元以上，部分高端住宅区超过9000元

3.2区域分布

朝阳区和通州区房源数量最多，分别占总房源的25%和22%，显示出这两个区域租赁市场的活跃度

3.3小区分析

半壁街南路1号院的租金最高，达到596元/平米，是市场平均值的3.5倍

3.4户型与楼层

2-4室户型占市场主导
电梯房平均每平米租金比非电梯房高10元
低楼层和高楼层的租金普遍高于中间楼层

3.5交通便利性

距离地铁站500米以内的房源，其价格比同区域远离地铁的房源高出10%至20%

一.数据集说明

这是一份北京的租房数据，总计6000多条记录，分为8个同样结构的CSV数据文件。

二.数据处理

# 合并数据文件 
dir = r"C:\Users\Administrator\Desktop\RentFromDanke"
data_list = []
for i in range(1, 9):
    path = f"{dir}\\bj_danke_{i}.csv"
    data = pd.read_csv(path)
    data_list.append(data)
data = pd.concat(data_list)

## 数据清洗
#  数据重复处理: 删除重复值
# print(data[data.duplicated()])
data.drop_duplicates(inplace=True)
data.reset_index(drop=True, inplace=True)

# 缺失值处理：直接删除缺失值所在行，并重置索引
# print(data.isnull().sum())
data.dropna(axis=0, inplace=True)
data.reset_index(drop=True, inplace=True)

# 异常值清洗
data['户型'].unique()
# print(data[data['户型'] == '户型'])
data = data[data['户型'] != '户型']

# 清洗，列替换
data.loc[:, '地铁'] = data['地铁'].apply(lambda x: x.replace('地铁：', ''))

# 增加列
data.loc[:, '所在楼层'] = data['楼层'].apply(lambda x: int(x.split('/')[0]))
data.loc[:, '总楼层'] = data['楼层'].apply(lambda x: int(x.replace('层', '').split('/')[-1]))
data.loc[:, '地铁数'] = data['地铁'].apply(lambda x: len(re.findall('线', x)))
data.loc[:, '距离地铁距离'] = data['地铁'].apply(lambda x: int(re.findall('(\d+)米', x)[-1]) if re.findall('(\d+)米', x) else -1)

# 数据类型转换
data['价格'] = data['价格'].astype(np.int64)
data['面积'] = data['面积'].astype(np.int64)
data['距离地铁距离'] = data['距离地铁距离'].astype(np.int64)

#数据保存 
# 查看保存的数据
print(data.info)

# 保存清洗后的数据 sqlite
engine = create_engine('sqlite:///D:/GitHub/bigdata_analyse/rent.db')
data.to_sql('rent', con=engine, index=False, if_exists='append')