# 基于Python的南京二手房数据采集及可视化分析
## 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
基于爬虫的房源数据分析系统-可执行内含源码和教程.zip （155个子文件） 
ershoufang-origin-utf8.csv 6.7MB ershoufang-origin-utf8.csv 6.7MB ershoufang - 20000.csv 5.4MB ershoufang.csv 5.4MB ershoufang-origin-ansi.csv 5.4MB ershoufang-origin-ansi.csv 5.4MB ershoufang-clean-utf8-v1.1.csv 5.11MB ershoufang-clean-utf8-v1.1.csv 5.11MB ershoufang-clean-ansi-v1.1.csv 3.91MB ershoufang-clean-ansi-v1.1.csv 3.91MB ershoufang-10000.csv 3.07MB latlng.csv 1.27MB latlng - 副本.csv 1.17MB ershoufang - 副本.csv 873KB testv1.csv 6KB testv2.csv 4KB ershoufang-mini-utf8.csv 3KB ershoufang-mini-ansi.csv 2KB
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1 - dark.html 3KB k-means聚类结果分组0.html 3KB k-means聚类结果分组0 - dark.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 workspace.ini 595B workspace.ini 443B vcs.ini 85B vcs.ini 85B encoding.ini 58B encoding.ini 58B codestyle.ini 56B codestyle.ini 56B
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 xiaoyu201.js 388KB cluster1.js 309KB cluster2.js 262KB cluster4.js 70KB cluster0.js 60KB README.md 754B
14f211bcdea0afc6a5866eb957e5c6f0.png 926KB 2d3af90024651152cd449e987d16dce0.png 899KB 31f9bd59a9948b99ce4a68cb33c62637.png 722KB 41217f9c0ec10a9e218b497c746c8929.png 645KB 5692637864b7007bd3c02642cf516ffe.png 553KB 30e8121447d2b47f39f57a20f2a094d2.png 524KB 南京二手房数据词云2.png 523KB 9045be1b03797152030b08f6e28d7c85.png 489KB 南京二手房数据词云.png 485KB 596bdc36ae6ec999e35b77ad430e9f46.png 479KB c7bba517b1bf88ab5b4164008c714adb.png 464KB a32637beec319f1d6d95c6684cc2e4f4.png 456KB e8fbbc9ebf9c99dc3228849a6c454f4e.png 326KB 83ebc8892cc133b6c2967b1680a949cb.png 222KB 5aa0e402894a90180243e461e6a39f95.png 204KB 48743e4e4d35f8e96e5b7ed47305c177.png 197KB 4a89d0cdd8af0769bf85ee809c13fdd5.png 187KB 17fb68a2b314cf24f63506bc1e4effa2.png 178KB 聚类结果-单价与建筑面积散点图2.png 178KB 20333ad34432635a9264541ff6f78685.png 171KB 聚类结果-单价与建筑面积散点图.png 171KB 1be9bdafe857653afb5c805ea37ea2d8.png 165KB 15南京二手房单价与建筑面积散点图.png 165KB d008eede0b04bcf5ca7f5300bf6bdc18.png 117KB 聚类结果-总价价与建筑面积散点图.png 117KB 51e0bf81079717f142fb1a5941639fc3.png 109KB 聚类结果-总价价与建筑面积散点图2.png 109KB 25082d4d0e64ad0d3289b5f91c1b042b.png 78KB 14南京二手房总价与建筑面积散点图.png 78KB 952ba4c527bdaf812956ccfc79b61659.png 69KB 6南京二手房房屋户型占比情况.png 69KB 3南京各区域平均建筑面积和单价.png 68KB 11南京各区域二手房总价箱形图2.png 64KB 12南京各区域二手房单价箱形图.png 64KB 72cf1c473e17b6b3593e158b1f5139f6.png 61KB 3600212e5f46384a8a650c990c9b69cd.png 59KB 11南京各区域二手房总价箱形图.png 57KB ba94d3c7763c48c1841d2461938fc64c.png 55KB 99f40069991fafefac2d54413eed2873.png 53KB 5南京二手房单价最高Top20.png 53KB a7672004ad36ba789c1af504b72779a7.png 49KB 4南京二手房各区域房源数量2.png 49KB 1bffd1df3eaecdbad8c4d8086f40caef.png 44KB 48638b87c85b5b47880f3cda9bcde726.png 40KB 8南京二手房建筑类型占比情况.png 40KB共 155 条
- 1
- 2
资源评论
AI拉呱
- 粉丝: 2895
- 资源: 5551
最新资源
- 基于树莓派与百度智能云的人脸识别打卡系统（Qt开发，含接口调用，可作毕设）.zip
- 基于SpringBoot等技术的仓储服务管理系统+设计报告（含SSM、Redis等）.zip
- 毕业设计基于SpringBoot和MySQL的小学生口算练习与测评系统+论文报告.zip
- 基于C++的机房资源预约管理系统源码+报告文档（课程设计团队项目）.zip
- 基于python机器学习的猫狗识别分类项目源码（含源码、说明与论文）.zip
- 基于联邦深度强化学习的无人驾驶决策控制系统（Python源码及说明）.zip
- 2024新开发基于机器学习的Android恶意代码检测项目（含说明与源码）.zip
- 基于 FISCOBCOS 与 Paillier 同态加密的匿名投票案例（含源码与说明）.zip
- 毕业设计基于深度学习卷积神经网络的图像分类GUI界面项目（含源码与说明）.zip
- 基于深度学习的Landsat影像分类算法及源码（含设计文档+项目说明）.zip
- 期末课设基于机器学习的股票预测实战算法（含项目说明，含python源码）.zip
- 毕设基于QT和sqlite3的大二背单词辅助系统开发（含完整源码+全部资料）.zip
- 基于FPGA的简易神经网络加速器设计-最新开发（含源码及全部资料）.zip
- 软件杯获奖作品-林业有害生物智能识别-（含全部参赛源码及资料）.zip
- 2024毕设：基于YOLOv5与 PyQt5 的人脸表情识别系统（含源码与说明）.zip
- 基于C++和QT的OSM地图数据解析与导航系统（含完整源码+设计报告）.zip
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
