一名合格的數(shù)據(jù)分析師該怎樣解釋“買不起房”這件事

北京很大，大到容得下兩千多萬(wàn)人的吃喝拉撒睡。北京很小，小到裝不下一個(gè)外地人的北漂夢(mèng)。

我是一名北漂，來(lái)北京7年了，7年時(shí)間里不斷地租房搬家，心里一直想買一套自己的房子，而北京的房?jī)r(jià)讓我望而卻步，打消了念頭。又到年底，雙方父母催婚催的厲害，在一起5年，確實(shí)要考慮結(jié)婚了。結(jié)婚就要買房，這又讓我打起買房的主意，然而以我現(xiàn)在的積蓄，距離在北京買一套房還差多少？

鏈家網(wǎng)是北京知名的房屋買賣平臺(tái)，于是我爬取了鏈家的二手房買賣數(shù)據(jù)，不要問為什么看二手房...爬蟲代碼如下：

數(shù)據(jù)清洗整理

將數(shù)據(jù)進(jìn)行清洗處理后，剩余2999條數(shù)據(jù)，其中price是房屋單價(jià)(元/平米），district是所在區(qū)域，floor是房屋層高，area是房屋面積，subway是周圍有無(wú)地鐵，rooms是臥室數(shù)量，halls是客廳數(shù)量。北京的房?jī)r(jià)受學(xué)區(qū)房影響較大，但數(shù)據(jù)不好獲取，這里就不做考慮了。

各區(qū)域在售房屋情況分析

發(fā)現(xiàn)朝陽(yáng)區(qū)在售二手房屋最多，海淀、豐臺(tái)、昌平其次。

北京房屋價(jià)格分析

北京二手房屋均價(jià)為65254元，中位數(shù)為61562元。

大部分房屋價(jià)格集中在35000-80000元區(qū)間。

地鐵對(duì)房屋價(jià)格的影響

房屋附近有地鐵的價(jià)格明顯高于房屋附近沒有地鐵的價(jià)格。

分析房屋所在地域?qū)Ψ课輧r(jià)格的影響

北京房?jī)r(jià)最便宜的區(qū)域是房山區(qū)，最貴的是西城區(qū)，價(jià)格分布如下：

通過箱線圖，發(fā)現(xiàn)在朝陽(yáng)區(qū)、大興區(qū)、昌平區(qū)有很多異常值，也就是說(shuō)有個(gè)別房屋價(jià)格明顯高于本區(qū)平均價(jià)格。

繪制北京房?jī)r(jià)地圖，顏色越深，房?jī)r(jià)越高，結(jié)果如下：

分析房屋面積對(duì)房屋價(jià)格的影響

沒有明顯的線性關(guān)系，說(shuō)明房屋面積對(duì)房屋單價(jià)影響不大。

建立線性回歸模型，預(yù)測(cè)房屋價(jià)格

前文再對(duì)價(jià)格畫直方圖時(shí)，發(fā)現(xiàn)北京的房?jī)r(jià)不符合正態(tài)分布，為了模型更加精準(zhǔn)，先將價(jià)格取對(duì)數(shù)，取對(duì)數(shù)后的價(jià)格分布接近正態(tài)分布。

進(jìn)行建模前需要篩選變量，使用向前選擇法篩選變量時(shí)，所有變量都可以放入模型，于是嘗試第一次建立回歸模型。

臥室數(shù)量、客廳數(shù)量對(duì)價(jià)格不顯著，于是將rooms、halls變量剔除后繼續(xù)建模，R**2與aic并未受明顯影響，模型合理。

通過建立的模型對(duì)原數(shù)據(jù)進(jìn)行預(yù)測(cè)，用預(yù)測(cè)值減去真實(shí)值，差值在0附近波動(dòng)，沒有過多異常值，說(shuō)明模型較為合理。

到此,基于鏈家網(wǎng)的二手房?jī)r(jià)格簡(jiǎn)易分析完成，而我想在海淀區(qū)買一套100平米的房子，最好在中層，附近要有地鐵，方便上班出行。根據(jù)模型預(yù)測(cè)，購(gòu)買類似房產(chǎn)的單價(jià)是82092元，總價(jià)是8209200，首付是35%，按我現(xiàn)在的工資水平..還要再干5年才能攢夠首付…算了，我還是想想如何應(yīng)對(duì)父母催婚吧…

PS：會(huì)一些數(shù)據(jù)分析，會(huì)發(fā)現(xiàn)生活很有趣，如果想要學(xué)習(xí)數(shù)據(jù)分析技能，可以參加CDA數(shù)據(jù)分析就業(yè)班，三個(gè)月轉(zhuǎn)行數(shù)據(jù)分析師。