600字范文 > 项目分享：大数据房价数据可视化分析预测系统

项目分享：大数据房价数据可视化分析预测系统

时间：2019-12-12 03:27:46

1. 项目背景

房地产是促进我国经济持续增长的基础性、主导性产业，二手房市场是我国房地产市场不可或缺的组成部分。由于二手房的特殊性，目前市场上实时监测二手房市场房价涨幅的情况较少，影响二手房价的因素错综复杂，价格并非呈传统的线性变化。

本项目利用Python实现某一城市二手房相关信息的爬取，并对爬取的原始数据进行数据清洗，存储到数据库中，通过 flask

搭建后台，分析影响二手房房价的各类因素，并构建递归决策树模型，实现房价预测建模。

基于大数据的房价数据可视化分析预测系统

2. 二手房数据

二手房信息爬取流程为，先获取该市所有在售楼盘，以保定市为例，其中，p1 表示分页的页码，因此可以构造循环，抓取所有分页下的楼盘数据。

base_url = ‘/community/p{}/’

all_xqlb_links = set()

for page in range(1, 51):

url = base_url.format(page)

# 获取 html 页码，并进行dom解析

# …

通过分析 html 页面的 Dom 结构，利用 Bootstrap 进行解析，获取楼盘的详细字段信息。

同理，获取楼盘下所有在售房源信息：

def get_house_info(house_link):

“”“获取房屋的信息”“”

headers = {

‘accept’: ‘/’,

‘accept-encoding’: ‘gzip, deflate, br’,

‘accept-language’: ‘zh-CN,zh;q=0.9,en;q=0.8’,

‘cookie’: ‘Your cookie’,

‘referer’: house_link,

‘sec-fetch-dest’: ‘empty’,

‘sec-fetch-mode’: ‘cors’,

‘sec-fetch-site’: ‘same-origin’,

‘user-agent’: ‘Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.116 Safari/537.36’

}

response = requests.get(house_link, headers=headers)

response.encoding = ‘utf8’

soup = BeautifulSoup(response.text, ‘lxml’)

house_info = {'链接': house_link,'产权性质': '未知','房屋类型': '未知','产权年限': '未知','房本年限': '未知','唯一住房': '未知','参考首付': '未知','发布时间': '未知','总价': '','单价': '','房屋户型': '未知','所在楼层': '未知','建筑面积': '','装修程度': '未知','房屋朝向': '未知','建造年代': '未知','配套电梯': '无','所属小区': '未知','所在位置': '未知'}tbody = soup.select('tbody.houseInfo-main')[0]tds = tbody.select('td')for td in tds:datas = td.text.split(' ')if '产权性质' in datas[0]:house_info['产权性质'] = datas[0].replace('产权性质', '')if '产权年限' in datas[0]:house_info['产权年限'] = datas[0].replace('产权年限', '')if '发布时间' in datas[0]:house_info['发布时间'] = datas[0].replace('发布时间', '')if '唯一住房' in datas[0]:house_info['唯一住房'] = datas[0].replace('唯一住房', '')if '房屋类型' in datas[0]:house_info['房屋类型'] = datas[0].replace('房屋类型', '')if '房本年限' in datas[0]:house_info['房本年限'] = datas[0].replace('房本年限', '')if '参考预算' in datas[0]:yusuan = datas[0].replace('参考预算', '')house_info['参考首付'] = yusuan[2:].split('，')[0]total_price = soup.select('span.maininfo-price-num')[0]total_price = total_price.text.strip()house_info['总价'] = total_priceavgprice = soup.select('div.maininfo-avgprice-price')[0]avgprice = avgprice.text.strip()house_info['单价'] = avgpricehuxing = soup.select('div.maininfo-model-item.maininfo-model-item-1')[0]huxing = huxing.text.strip()house_info['房屋户型'] = huxing.split(' ')[0]house_info['所在楼层'] = huxing.split(' ')[1]daxiao = soup.select('div.maininfo-model-item.maininfo-model-item-2')[0]daxiao = daxiao.text.strip()house_info['建筑面积'] = daxiao.split(' ')[0]house_info['装修程度'] = daxiao.split(' ')[1]chaoxiang = soup.select('div.maininfo-model-item.maininfo-model-item-3')[0]chaoxiang = chaoxiang.text.strip()house_info['房屋朝向'] = chaoxiang.split(' ')[0]house_info['建造年代'] = chaoxiang.split(' ')[1].split('/')[0][:-2]bar = soup.select('div.crumbs.crumbs-middle')[0]xiaoqu = bar.select('a.anchor.anchor-weak')[-1]house_info['所属小区'] = xiaoqu.text.strip()tags = soup.select('div.maininfo-tags')[0].textif '电梯' in tags:house_info['配套电梯'] = '有'# 所属区域for line in soup.select('div.maininfo-community-item'):text = line.text.strip()if '所属区域' in text:house_info['所在位置'] = text.split(' ')[1].split('\xa0')[0]return house_info

3. 二手房数据清洗与存储

抓取的原始数据可能存在数据异常、缺失等情况，需要进行数据清洗和数据类型转换等预处理操作。清洗后的数据存储到 mysql 或 sqlite 等关系型数据库中。

for house_info in all_house_infos:

for key in all_keys:

if key not in house_info:

house_info[key] = ‘暂无’

if isinstance(house_info[‘单价’], float):

continue

house_info['单价'] = float(house_info['单价'][:-3].strip())house_info['总价'] = float(house_info['总价'].strip())house_info['建筑面积'] = float(house_info['建筑面积'][:-1].strip())house_info['参考首付'] = float(house_info['参考首付'][:-1].strip())tmp = list(map(int, re.findall(r'(\d+)', house_info['房屋户型'])))house_info['房屋户型_室数'] = tmp[0]house_info['房屋户型_厅数'] = tmp[1]house_info['房屋户型_卫数'] = tmp[2]del house_info['房屋户型']if '(' not in house_info['所在楼层']:house_info['所在楼层'] = '底层({})'.format(house_info['所在楼层'])house_info['总楼层'] = list(map(int, re.findall(r'(\d+)', house_info['所在楼层'])))[0]house_info['所在楼层'] = house_info['所在楼层'][:2]

4. 二手房价可视化分析预测系统

系统采用 flask 搭建 web 后台，利用 pandas 等工具包实现对当前城市二手房现状、二手房价格影响因素等进行统计分析，并利用 bootstrap

echarts 进行前端渲染可视化。系统通过构建机器学习模型（决策树、随机森林、神经网络等模型），对二手房价格进行预测。

4.1 系统首页/注册登录

4.2 小区楼盘名称关键词抽取与词云展示

4.3 二手房房屋类型与产权年限分布

4.4 不同区域在售二手房房源数量与均价对比

4.5 房价影响因素分析

房价影响因素包括：建造年代、建筑面积、房屋户型、朝向、房屋类型、楼层、装修程度、配套电梯、房本年限、产权性质、唯一住房、所在区域、周边设施等等诸多因素。我们对每类因素的影响情况分别进行可视化展示：

4.6 基于机器学习模型的二手房价格预测

通过一些列的特征工程、数据标准化、训练集验证集构造、决策树模型构建等操作，完成决策树模型的交叉验证训练和模型评估：

print(‘—> cv train to choose best_num_boost_round’)

dtrain = xgb.DMatrix(train_X, label=train_Y, feature_names=df_columns)

xgb_params = {

‘learning_rate’: 0.005,

‘n_estimators’: 4000,

‘max_depth’: 3,

‘min_child_weight’: 1.5,

‘eval_metric’: ‘rmse’,

‘objective’: ‘reg:linear’,

‘nthread’: -1,

‘silent’: 1,

‘booster’: ‘gbtree’

}

cv_result = xgb.cv(dict(xgb_params),dtrain,num_boost_round=4000,early_stopping_rounds=100,verbose_eval=400,show_stdv=False,)best_num_boost_rounds = len(cv_result)mean_train_logloss = cv_result.loc[best_num_boost_rounds-11 : best_num_boost_rounds-1, 'train-rmse-mean'].mean()mean_test_logloss = cv_result.loc[best_num_boost_rounds-11 : best_num_boost_rounds-1, 'test-rmse-mean'].mean()print('best_num_boost_rounds = {}'.format(best_num_boost_rounds))print('mean_train_rmse = {:.7f} , mean_valid_rmse = {:.7f}\n'.format(mean_train_logloss, mean_test_logloss))

模型训练结果：

—> cv train to choose best_num_boost_round

[0] train-rmse:4.10205 test-rmse:4.10205

[400] train-rmse:0.59919 test-rmse:0.605451

[800] train-rmse:0.20857 test-rmse:0.230669

[1200] train-rmse:0.185981 test-rmse:0.21354

[1600] train-rmse:0.181188 test-rmse:0.211841

[2000] train-rmse:0.177933 test-rmse:0.211291

[2400] train-rmse:0.174346 test-rmse:0.210886

best_num_boost_rounds = 2512

mean_train_rmse = 0.1733781 , mean_valid_rmse = 0.2108875

测试集预测结果与真实值分布情况：