温馨提示：文末有 CSDN 平台官方提供的学长 QQ 名片 :) 

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。

        B站详情与代码资料下载：基于大数据的房价数据可视化分析预测系统_哔哩哔哩_bilibili

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 = 'https://baoding.xxxx.com/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')
    
    省略其他代码
    
    total_price = soup.select('span.maininfo-price-num')[0]
    total_price = total_price.text.strip()
    house_info['总价'] = total_price
    

    。。。。。。

    
    tags = soup.select('div.maininfo-tags')[0].text
    if '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())
    

    省略其他代码

    
    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：

print('决策树模型在验证集上的均方误差 RMSE 为：', rmse(valid_Y, predict_valid))

>> 决策树模型在验证集上的均方误差 RMSE 为： 0.19991482173207226

​

 二手房价格预测模型交互式页面：

​

5. 总结

        本项目利用Python实现某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。

欢迎大家点赞、收藏、关注、评论啦 ，由于篇幅有限，只展示了部分核心代码。

精彩专栏推荐订阅：

1. Python 毕设精品实战案例
2. 自然语言处理 NLP 精品实战案例
3. 计算机视觉 CV 精品实战案例

# 爬虫 # python # 机器学习 # 数据分析 # 数据挖掘
Logo
华为云开发者联盟

为开发者提供学习成长、分享交流、生态实践、资源工具等服务，帮助开发者快速成长。

更多推荐

cover

解锁HDC 2024之旅：从购票到报名，全程攻略

avatar 华为云开发者联盟
cover

从原始边列表到邻接矩阵Python实现图数据处理的完整指南

avatar 华为云开发者联盟
cover

GaussDB数据库SQL系列-复合查询

avatar 华为云开发者联盟