
過完春節(jié),又是沒有成功買房的一年,眼看著租約到期,不少同志開始了新一輪換房運(yùn)動(dòng)。只是,租房容易,租到心儀的房卻頗為困難,尤其是在選擇多、但坑也多的大城市。
如何用數(shù)據(jù)給出幫助呢?
DT君也在租房市場沉沉浮浮好幾年,了解租客們在租房時(shí)會考慮這幾個(gè)方面:租金、通勤時(shí)間、生活便利程度以及房屋裝修情況等。我們將依次以TA們作為挑選條件,基于鏈家北京的可租房源數(shù)據(jù)(截至2018年12月)和DT財(cái)經(jīng)城市數(shù)據(jù)庫的基礎(chǔ)數(shù)據(jù)(截至2018年11月),模擬大家租房時(shí)挑挑揀揀的心路歷程,來看看如何才能在北京租到心儀的好房。
▍北京房源多,但對于囊中羞澀的你選擇并不多
在進(jìn)入篩選前,我們先來看看北京租房市場的整體情況。
僅看鏈家上架的房源,北京的可租房源數(shù)量約為1.6萬,將TA們都投射到地圖上的樣子如下圖:
不出意外,北京二環(huán)至四環(huán)之間的房源最為密集,為大家提供了富足的房源選擇,顯然,在這些區(qū)域選房效率會更高。
不過,這對預(yù)算的要求也更為嚴(yán)苛。從租金來看,填滿這片房源密集環(huán)區(qū)的東城、西城、朝陽、海淀,正好就是平均租金最貴的幾個(gè)區(qū)。
掂量掂量口袋,顯然不可能隨便挑。按照不同預(yù)算節(jié)點(diǎn)計(jì)算可選房源數(shù)量,結(jié)果十分扎心。
這里需要解釋一下,為了更貼近大家租房遭遇的價(jià)格,DT君綜合考慮了整租和合租的情況,在本文中提到的租金主要是單室租金(單室租金=房屋總租金/臥室數(shù)量)。
可以看到,當(dāng)預(yù)算控制到5000元/月以下,就得與帝都至少三分之一的房源揮手說再見。要是預(yù)算再下滑到3000元/月,那就只剩4成的房源可以選擇了。
為了獲取更大的選擇空間,DT君十分膨脹地假設(shè)自己的租金預(yù)算為5000元/月以內(nèi),在這個(gè)篩選基礎(chǔ)上繼續(xù)疊加新的條件。
▍要住進(jìn)地鐵站周邊1000米,租金就得多付13%
除了價(jià)格,另二個(gè)需要重點(diǎn)考量的條件是通勤時(shí)間,首要一點(diǎn)肯定是離地鐵站不能太遠(yuǎn)。
尤其是在大城市,地鐵可謂是日常出行的核心力量,對于大部分年輕人來說,如果出門十分鐘還走不到地鐵站,那恐怕會嚴(yán)重影響生活質(zhì)量。
我們計(jì)算了北京待租房源與其最近地鐵站的距離,劃分了幾個(gè)距離區(qū)間點(diǎn):500米、1000米、2000米、5000米及以上,對各個(gè)區(qū)間范圍內(nèi)的房源數(shù)據(jù)進(jìn)行了一些統(tǒng)計(jì)。
經(jīng)驗(yàn)告訴我們,離地鐵站越近的房子更貴,到底貴到啥程度呢?在北京,想要住在離地鐵站500米以內(nèi)的房子,5000元/月的租金預(yù)算只是平均水平;要住進(jìn)地鐵站1000米以內(nèi)的房子,平均下來就要比1000米-2000米的多付出13%的租金。
即使預(yù)算已經(jīng)膨脹地?cái)U(kuò)充到5000元/月,在地鐵站旁邊500米范圍內(nèi)選房還是很不從容。DT君考慮到多走幾分鐘也還勉強(qiáng)在可接受的范圍內(nèi),咬咬牙將挑房的范圍擴(kuò)大到了地鐵站周邊1000米內(nèi)。
在兩輪十分寬松的淘汰賽之后,同時(shí)滿足單間租金在5000元/月以內(nèi)、距離地鐵站不超出1000米兩個(gè)條件的房源數(shù)量,進(jìn)一步下降到5103套——只有開賽前總量的1/3。
▍望京白領(lǐng)的可選房源數(shù)量,不到西單白領(lǐng)的一半
解決了最后1公里問題,但通勤的大部分時(shí)間其實(shí)是花在交通工具上,圍繞通勤的篩選還要疊加一個(gè)新條件。
多年的經(jīng)驗(yàn)結(jié)合小范圍的調(diào)研,DT君認(rèn)為比較理想的通勤時(shí)間為不超過30分鐘。在這一部分,我們進(jìn)一步添加的篩選條件是,從距離房源最近的地鐵站乘坐地鐵到工作所在的地鐵站,花費(fèi)的時(shí)間在30分鐘以內(nèi)。
根據(jù)DT財(cái)經(jīng)城市數(shù)據(jù)庫數(shù)據(jù),我們選取了四個(gè)比較典型的工作所在地站點(diǎn):國貿(mào)站、望京站、中關(guān)村站和西單站,都是北京主要的白領(lǐng)聚集地。DT君分別以這幾個(gè)地鐵站作為目的地,查詢計(jì)算了距離TA們乘地鐵時(shí)間不超過30分鐘的所有地鐵站。
越是在城市中心的地鐵站,越能方便地觸達(dá)更多節(jié)點(diǎn),到達(dá)西單時(shí)間不超過30分鐘的地鐵站數(shù)量最多,而望京最少,只有64個(gè)。
再將符合在地鐵站周邊1000米的范圍內(nèi)、租金不超過5000元/月條件的房源,對應(yīng)到這幾個(gè)商務(wù)站點(diǎn)的30分鐘交通圈內(nèi)進(jìn)一步篩選匹配。我們發(fā)現(xiàn),差別還是比較明顯的,望京地鐵站30分鐘交通圈內(nèi)符合條件的房源數(shù)量最少,只有1087套,不到國貿(mào)和西單的一半,也比中關(guān)村少去了1/3。
單就租房體驗(yàn)來說,望京白領(lǐng)可能并不像在更靠近城市內(nèi)部商務(wù)區(qū)工作的伙伴們那樣舒心。
▍如果再想要相對更便利的生活,可選擇的房源數(shù)量將直線下降
在解決了幾個(gè)最基本的租房剛需性問題后,DT君繼續(xù)精益求精,在上述已挑選出的范圍中,進(jìn)一步尋找生活更加方便的那部分房源。
在這里我們引入了DT財(cái)經(jīng)城市庫的BLECTS指數(shù),綜合其中對于地鐵站輻射圈的居住功能、商業(yè)功能和休閑娛樂功能的評價(jià)指數(shù),對地鐵站輻射圈內(nèi)的生活便利度進(jìn)行指數(shù)化的評估。
DT君覺著,一個(gè)地鐵站周邊的生活便利度越高,大致也可以認(rèn)為這個(gè)范圍內(nèi)的房源共享了這樣的便利度。
比較符合我們認(rèn)知的是,地鐵站的便利程度及其周邊的租金情況正向相關(guān)。畢竟生活便利度很大程度上意味著各項(xiàng)資源設(shè)施的密集程度,占有更多資源的區(qū)域,自然就會更貴一些。
將地鐵站的生活便利度得分具體落到地圖上,區(qū)域性的差異還是挺明顯的。
國貿(mào)附近是生活最為便利的區(qū)域,生活便利度排名前四位的地鐵站:大望路、國貿(mào)、東大橋、雙井,都屬于泛國貿(mào)區(qū)域;中關(guān)村和望京區(qū)域則是北京另兩個(gè)生活便利的高地。
如果對生活品質(zhì)有更高要求,想住到這些地方去,留給我們的選擇其實(shí)并不太多。
我們在疊加了租金不超過5000元/月,距離地鐵站不超過1000米,通勤時(shí)間不超過30分鐘,進(jìn)入30分鐘交通圈站點(diǎn)群內(nèi)TOP15這四個(gè)條件后,在國貿(mào)、西單、中關(guān)村和望京這幾個(gè)站點(diǎn)附近上班的白領(lǐng),可以挑選的房源就分別只剩下281、185、188和218套。
TA們的分布如下圖,東城和西城提供的選項(xiàng)并不多,廣袤的朝陽與海淀內(nèi)三環(huán)附近,是這些房源的聚集地。
如果再挑剔一下房屋的裝修情況,那高品質(zhì)的房源數(shù)量就會更少。
也就是說,如果想以5000元/月的預(yù)算在北京租到最心儀的好房,其實(shí)難度挺大。
更何況,像DT君這樣的貧困人口,摸摸錢包,每月租房預(yù)算其實(shí)還沒上到5000元的檔次,這就意味著,在更加有限的預(yù)算內(nèi)想租到房,DT君在通勤時(shí)間或生活便利度方面,必須做出一些妥協(xié),降低要求。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10