2019年特大喜讯,用数据说话,房价真降了

来自:爪哇笔记(微信号:Java_note),作者:小柒2012

前言

去年年底,博主有购房的意愿,本来是打算在青岛市北购房,怎奈工作变动,意向转移到了李沧,坐等了半年以后,最终选择在红岛附近购置了期房。

也许一些知道青岛红岛的小伙伴会问我,为什么会跑到那鸟不拉屎的地方去买房子,目前只能是一个字:"赌、赌、赌",重要的事情说三遍。下面来分析一下,我为什么没有在李沧买。

爬取数据

爬取了2018年1月份到2019年3月底李沧二手房成交记录,数据仅限于链家,不代表李沧地区的全部数据,但是我觉得应该对大家有一定的参考意义。

创建基本的数据库:

CREATE TABLE `house` (

   `id` int(10unsigned NOT NULL AUTO_INCREMENT COMMENT '主键',

   `url` varchar(50NOT NULL COMMENT '网络访问地址',

   `listed_price` double NOT NULL COMMENT '挂牌价格',

   `completion_date` date NOT NULL COMMENT '成交日期',

   `transaction_cycle` int(11NOT NULL COMMENT '成交周期',

   `modify_price` int(11NOT NULL COMMENT '调价次数',

   `square_metre` double NOT NULL COMMENT '建筑面积',

   `unit_price` double NOT NULL COMMENT '单价',

   `total_price` double NOT NULL COMMENT '总价',

   `age_completion` int(11NOT NULL COMMENT '建成年代',

   `community_name` varchar(50NOT NULL COMMENT '所在小区',

   PRIMARY KEY (`id`)

 ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8

爬取代码:

  1. __author__ = "小柒"

  2. __blog__ = "https://blog.52itstyle.vip/"

  3. import requests

  4. import time

  5. # 导入文件操作库

  6. import os

  7. import re

  8. import bs4

  9. from bs4 import BeautifulSoup

  10. import sys

  11. from util.mysql_DBUtils import mysql



  12. # 写入数据库

  13. def write_db(param):

  14.    try:

  15.        sql = "insert into house (url,listed_price,transaction_cycle,modify_price," \

  16.              "square_metre,unit_price,total_price,age_completion,community_name,completion_date) "

  17.        sql = sql + "VALUES(%(url)s,%(listed_price)s, %(transaction_cycle)s,%(modify_price)s,"

  18.        sql = sql + "%(square_metre)s,%(unit_price)s,%(total_price)s," \

  19.                    "%(age_completion)s,%(community_name)s,%(completion_date)s)"

  20.        mysql.insert(sql, param)

  21.    except Exception as e:

  22.        print(e)



  23. # 主方法

  24. def main():

  25.    # 给请求指定一个请求头来模拟chrome浏览器

  26.    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '

  27.                             '(KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36'}

  28.    page_max = 24

  29.    # 爬取地址

  30.    for i in range(1, int(page_max) + 1):

  31.        print("第几页:" + str(i))

  32.        if i == 1:

  33.            house = 'https://qd.lianjia.com/chengjiao/licang/'

  34.        else:

  35.            house = 'https://qd.lianjia.com/chengjiao/licang/pg'+str(i)

  36.        res = requests.get(house, headers=headers)

  37.        soup = BeautifulSoup(res.text, 'html.parser')

  38.        li_max = soup.find('ul', class_='listContent').find_all('li')

  39.        for li in li_max:

  40.            try:

  41.                house_param = {}

  42.                # 所在小区

  43.                community = li.find('div', class_='title').text

  44.                community_name = community.split(" ")[0]

  45.                house_param['community_name'] = community_name

  46.                # 成交地址

  47.                title_src = li.find('a').attrs['href']

  48.                house_param['url'] = title_src

  49.                res = requests.get(title_src, headers=headers)

  50.                soup = BeautifulSoup(res.text, 'html.parser')

  51.                # --------------------------------------------------------#

  52.                # 成交日期

  53.                completion_date = soup.find('div', class_='house-title').find('span').text

  54.                completion_date = completion_date.split(" ")[0]

  55.                completion_date = completion_date.replace(".", "-")

  56.                house_param['completion_date'] = completion_date

  57.                # 挂牌价格

  58.                listed_price = soup.find('div', class_='msg').find_all('span')[0].find('label').text

  59.                house_param['listed_price'] = listed_price

  60.                # 成交周期

  61.                transaction_cycle = soup.find('div', class_='msg').find_all('span')[1].find('label').text

  62.                house_param['transaction_cycle'] = transaction_cycle

  63.                # 调价次数

  64.                modify_price = soup.find('div', class_='msg').find_all('span')[2].find('label').text

  65.                house_param['modify_price'] = modify_price

  66.                # 建筑面积

  67.                square_metre = soup.find('div', class_='content').find("ul").find_all('li')[2].text

  68.                square_metre = re.findall(r'-?\d+\.?\d*e?-?\d*?', square_metre)[0]

  69.                house_param['square_metre'] = square_metre

  70.                # 总价

  71.                total_price = soup.find('span', class_='dealTotalPrice').find('i').text

  72.                house_param['total_price'] = total_price

  73.                # 单价

  74.                unit_price = soup.find('b').text

  75.                house_param['unit_price'] = unit_price

  76.                # 建筑年代

  77.                age_completion = soup.find('div', class_='content').find("ul").find_all('li')[7].text

  78.                age_completion = re.findall(r'-?\d+\.?\d*e?-?\d*?', age_completion)[0]

  79.                house_param['age_completion'] = age_completion

  80.                write_db(house_param)

  81.            except Exception as e:

  82.                print(e)

  83.        mysql.end("commit")

  84.    mysql.dispose()



  85. if __name__ == '__main__':

  86.    main()

通过数据爬取,一共找到了706套二手成交房。

分析数据

直奔主题,数据分析下,大家比较关心的价格问题,以下是2019年1月-3月的二手房成交量以及成交价格:

位置成交量单价
李沧12421100

同比去年的二手房成交量以及成交价格:

位置成交量单价
李沧27721306

吓的博主赶紧用计算器认认真真,仔仔细细的核算了三遍,才敢写下这几个数字,同比去年,单价整整降了206人民币,此处有掌声。

再看一下成交量,相比去年少了足足一半之多,相信那124套房子也是卖家忍痛降了206人民币才卖出去的吧!

好了,再看一下大家比较关心的成交周期,2019年1月-3月的二手房成交量以及成交周期:

位置成交量成交周期(天)
李沧12496

同比去年的二手房成交量以及成交周期:

位置成交量成交周期(天)
李沧27783

不得不说,相比去年房子的确是难卖了。

小结

很多同事,同学,13、14年就已经上车了,那时李沧1w不到,再看看现在?不想看,没眼看,不能看。最终没在李沧买房,也不是买不起,只是看不到降的希望,相对压力又大一些,而且,也不想把家庭所有的积蓄都赌在这里。

最后,对于刚需就是一个建议,买早买,有房和没房看一个城市是不一样的,努力赚钱的最大意义就是提升你的幸福感。活在人间不食人间烟火?真以为自己是神仙?有些东西一说的实际一点真的是会伤到某些人的心,祝你们用键盘战胜一切。

推荐↓↓↓
Python编程
上一篇:爬虫非专业八级模拟考试 下一篇:Python 只有1%的程序员搞懂过浮点数陷阱