【免费】基于Python的南京二手房数据采集及可视化分析设计资源-CSDN文库

共113个文件

py：18个

csv：17个

png：17个

python

数据采集

可视化分析

需积分: 0 127 浏览量更新于2023-10-24 9 收藏 29.31MB ZIP 举报

## 开发环境：Pycharm工具，Python3.7环境 ### 1 内容简介首先通过爬虫采集链家网上所有南京二手房的房源数据，并对采集到的数据进行清洗；然后，对清洗后的数据进行可视化分析，探索隐藏在大量数据背后的规律；最后，采用一个聚类算法对所有二手房数据进行聚类分析，并根据聚类分析的结果，将这些房源大致分类，以对所有数据的概括总结。通过上述分析，我们可以了解到目前市面上二手房各项基本特征及房源分布情况，帮助我们进行购房决策。 ### 2 应用技术介绍 (1）Python网络爬虫技术 Requests Beautifulsoup (2）Python数据分析技术 Numpy Matplotlib Pandas (3）k-means聚类算法 (4）高德地图开发者应用JS API

收起资源包目录

基于Python的南京二手房数据采集及可视化分析设计（113个子文件）

ershoufang-origin-utf8.csv 6.7MB

ershoufang_old.csv 5.4MB

ershoufang-origin-ansi.csv 5.4MB

ershoufang-clean-utf8-v1.1.csv 5.11MB

ershoufang-clean-ansi-v1.1.csv 3.91MB

latlng.csv 1.27MB

latlng - 副本.csv 1.17MB

ershoufang - 副本.csv 873KB

ershoufang.csv 12KB

testv1.csv 6KB

testv2.csv 4KB

ershoufang-mini-utf8.csv 3KB

ershoufang-mini-ansi.csv 2KB

.gitattributes 93B

.gitignore 1KB

原始代码.html 7KB

k-means聚类结果分组4.html 3KB

k-means聚类结果分组4 - dark.html 3KB

南京二手房总价小于200万的分布图.html 3KB

k-means聚类结果分组3.html 3KB

k-means聚类结果分组0 - dark.html 3KB

k-means聚类结果分组1 - dark.html 3KB

k-means聚类结果分组0.html 3KB

k-means聚类结果分组2 - dark.html 3KB

k-means聚类结果分组3-dark.html 3KB

k-means聚类结果分组2.html 3KB

k-means聚类结果分组1.html 3KB

闪烁点.html 3KB

南京二手房总价热力图.html 2KB

南京二手房单价热力图.html 2KB

data_analysis.iml 718B

lianjia.iml 521B

house2.jpg 183KB

house1.jpg 147KB

unitprice1.js 1.33MB

total.js 1.26MB

baidu_map_total.js 1.26MB

unitprice.js 1.2MB

cluster3.js 623KB

xiaoyu201.js 388KB

cluster1.js 309KB

cluster2.js 262KB

cluster4.js 70KB

cluster0.js 60KB

README.md 930B

31f9bd59a9948b99ce4a68cb33c62637.png 722KB

e8fbbc9ebf9c99dc3228849a6c454f4e.png 326KB

83ebc8892cc133b6c2967b1680a949cb.png 222KB

5aa0e402894a90180243e461e6a39f95.png 204KB

48743e4e4d35f8e96e5b7ed47305c177.png 197KB

4a89d0cdd8af0769bf85ee809c13fdd5.png 187KB

聚类结果-单价与建筑面积散点图2.png 178KB

聚类结果-单价与建筑面积散点图.png 171KB

聚类结果-总价价与建筑面积散点图.png 117KB

聚类结果-总价价与建筑面积散点图2.png 109KB

不同k值下的总和方差折线图1.png 40KB

不同k值下的平方误差和.png 39KB

不同k值下的总和方差折线图2.png 37KB

3a4625cbb8d333691acd752dbac9f869.png 37KB

87ae2de4ca158afeaefc0d1533b29d5d.png 33KB

b4aae91db851ff529bcee3509315760f.png 13KB

432cf5efa4275deae4be1d4fd8239b3e.png 9KB

结果分享PPT.pptx 7.71MB

kmeans.py 9KB

run.py 7KB

spider_main.py 5KB

html_parser.py 4KB

house_attr.py 3KB

gaode_map.py 3KB

html_downloader.py 3KB

test_clean.py 2KB

pylot.py 2KB

html_outputer.py 2KB

test.py 2KB

business_attr.py 2KB

ciyun.py 1KB

log.py 1KB

url_manager.py 1023B

test.py 544B

cluster_analysis.py 167B

__init__.py 0B

simhei.ttf 9.3MB

HYQiHei-25J.ttf 2.02MB

2018-04-02 log.txt 8.95MB

ershoufang-clean-utf8-v1.0.txt 5.41MB

2018-04-01 log.txt 3.5MB

2018-03-22 log.txt 3.25MB

baidu_map_unitprice.txt 1.33MB

star.txt 225KB

共 113 条

资源推荐

资源预览

资源评论

# Python_second-hand_house_Visualization_Analysis 基于Python的南京二手房数据采集及可视化分析设计 ## 开发环境：Pycharm工具，Python3.7环境 ### 1 内容简介首先通过爬虫采集链家网上所有南京二手房的房源数据，并对采集到的数据进行清洗；然后，对清洗后的数据进行可视化分析，探索隐藏在大量数据背后的规律；最后，采用一个聚类算法对所有二手房数据进行聚类分析，并根据聚类分析的结果，将这些房源大致分类，以对所有数据的概括总结。通过上述分析，我们可以了解到目前市面上二手房各项基本特征及房源分布情况，帮助我们进行购房决策。 ### 2 应用技术介绍 (1）Python网络爬虫技术 Requests Beautifulsoup (2）Python数据分析技术 Numpy Matplotlib Pandas (3）k-means聚类算法 (4）高德地图开发者应用JS API