數據爬取主要是通過使用requests實現的，鑑於爬取數據的流程簡單以及電腦的性能所限，沒有使用scrapy框架，而是使用where循環手動控制頁碼的形式，每次爬取5頁信息，並將信息寫入.csv文件中。
得到數據後，首先看一下數據的描述性變量，通過print(data_read.describe())得到如下結果：
觀察網頁，發現實際上當前區域只有1542套房源，可以得知數據裏面包含了重複數據。
這是由於在爬取信息時採用了手動改變頁面的形式，每次爬取後在寫入csv文件時，都會寫入一個表頭，所以造成了表頭重複，這裏需要把表頭去重。
no_repeat_df = data_read.drop_duplicates()#去掉重複行
去重後再次查看信息行數：print(norepeat_df[‘名稱’].count())，結果爲1542，數據條數與原始數據一致。
檢查缺失值，print(norepeat_df.info())，結果如下：
這裏通過初步觀察，沒有發現缺失值，都爲1542。
數據可視化分析
接下來假設當前數據沒有問題，首先進行樓盤特徵分析。對於樓盤特徵，我們可以分析不同樓盤房價和數量的對比。
這裏使用了pandas的網絡透視功能groupby 分組排序。樓盤特徵可視化直接採用 seaborn完成，顏色使用調色板palette 參數，顏色漸變，越淺說明越少，反之越多。可以觀察到：
二手房均價：翠堤豪園的房價最貴均價大約8.8萬/平，因爲小區在新世界樓盤板塊，且是別墅園區。其次是新世界名鑄灣畔 大約5.7萬/平，然後是新世界花園卓鑄 大約4.1萬/平，其它均低於4萬/平。
二手房房數量：從數量統計上來看，目前二手房市場上比較火熱的樓盤，世貿新五里河二手房數量最多，差不多有260多套，畢竟園區大，需求量也大。然後是新世界地塊的三個小區，都在100到150套之間。
二手房總價：通過箱型圖看到，各大樓盤房屋總價中位數大部分都集中在1000萬以下，個別小區房屋總價離散值較高，說明房屋價格特徵不是理想的正太分佈。
接下來進行面積特徵分析。
面積分布：通過 distplot 和 kdeplot 繪製柱狀圖觀察面積特徵的分佈情況，二手房面積主要集中在40-180平之間，同時有少量面積很大的二手房。
面積與價格的關係：通過 regplot 繪製了面積和 價格之間的散點圖，發現面積特徵基本與價格呈現線性關係，符合基本常識，面積越大，價格越高。
第三，進行房屋戶型分析。
房屋戶型分析：由圖可知，佔據市場主導的房屋戶型主要是3室2廳、2室2廳，三好街高端樓盤較多，多功能分區在這些高端樓盤是很普遍的；緊隨其後的是2室1廳和1室1廳，三好街同時也擁有大量老樓盤，老樓盤大多采用這種傳統戶型； 4室2廳作爲新興樓盤的戶型，對於傳統家庭（5口人）在性價比上是較爲合適的。
房屋戶型和麪積的關係：1室的房屋面積大多在100平以內，主要集中在30-80平之間，比較符合實際情況，其中出現了1室但面積在500平以上的數據，有些不符合常識，需要取看一下數據的準確性。通過temp = norepeat_df[norepeat_df[‘面積’].apply(lambda x:x>500)]和print(temp[norepeat_df[‘房屋戶型’].str.contains(‘1室’)])兩行代碼可以獲取到以下結果：
推測此房屋可能屬於非住宅，爲商用房屋。
2室1廳到3室2廳房屋面積大多在80-150平左右，這類的房屋也是最多的。4室2廳的房子形成了一個小高峯，面積大多在150-280平之間，屬於大戶型，結合之前的房屋戶型分析圖，不難分析這種面積的戶型存在的合理性。
第四：進行裝修情況特徵分析。
由圖表觀察到，精裝修的二手房數量最多，簡裝其次，毛胚房最少。
對於價格來說，毛坯類型平均單價卻是，其次是精裝修，簡裝房價格最低。
第五：進行建成年代特徵分析。
源數據經count函數處理後發現，建成年代出現了“[] 139”數據，查看原始網頁，發現這類的數據在網站上就沒有錄入建成年代，因此要在繪製統計圖之前，將數據處理爲“其他”；在處理裝建造年代及裝修情況和售價之間的關係圖時，要去掉建成年代不明的數據。
建造年代分佈分析：從1990年到2020年建成的房子，二手房屋數量整體呈上升趨勢。在1998年到2000年間建成的房子，二手房屋數量大幅增加，然後直到2011年建的房子二手房數量都在較低水平波動，2012年至2016年間建造的房屋二手房數量整體呈上升趨勢，2016年達到頂峯，之後逐年下降。進入2012年後，高端樓盤開始入駐三好街區域，婚房、改善性住房及政府相關扶持政策，都是相關房源數量增加的原因。
建造年代及裝修情況和售價之間的關係分析：整個二手房房價趨勢是隨着時間增長而增長的，其中2010年以後建造的房子二手房房價相較於2010年以前有很明顯的價格上漲；2000年之前幾乎不存在毛坯房數據，說明2000年之前房屋或多或少帶有裝修；2000年之前帶裝修的二手房中，精裝二手房佔絕大多數，簡裝房反而很少。
第六：進行所在樓層特徵分析。
查看源數據，發現樓層數據爲“中樓層(共32層)”格式，這裏需要再次拆分，增加一個總樓層字段，即格式爲“所在樓層：中樓層，總樓層數：32”。
norepeat_df['所在樓層']=norepeat_df["樓層"].apply(lambda x:x.split('(')[0])
norepeat_df[‘總樓層數’]=norepeat_df["樓層"].str.replace('[\s(\u4e00-\u9fa5)]','',regex=True)
1.相對樓層分析。
這裏的樓層是相對於房屋的總的樓層，由圖表可以看出，高層房屋數量最多，最受人們歡迎，比較受歡迎其次是中層和低層，數量最低的是2層，這裏的2層是別墅，這也很符合大衆很少會買別墅的的購房習慣。
拋開不符合大衆購買習慣的別墅，常規住宅中，低樓層的房屋單價比較高，其次是中層，高層房價最低，但和中層房價差距不大。
結合以上兩個圖不難看出，價格最低的高層樓的數量最多，其次是價格略高一些的中層樓的數量，然後是價格較高的低層樓的數量，最少的是價格最高的別墅的數量。這說明價格對於人們購買房屋的影響是巨大的，價格和房屋數量成反比。
2.層高分析。
總樓層高度在超高樓層（24層以上）的數量最多，消費者更加偏好超高樓層的房屋，其次是多層(3<樓層<=8)，低層（樓層<=3層）的數量最少，自2006年以後的房屋大多爲超高層，推測原因可能是超高樓層房屋價格較底層低廉，以及三好街寸金寸土，開發商也偏向於開發超高層樓盤。
第七：進行房屋朝向特徵分析。
count一下，發現原始數據不規律，需要進行處理：這裏需要將空格去掉，並且將類似於“西東”、“東西”的數據合併爲一條。
由圖表可知：在數量上，南北向的房子數量最多，最受人們歡迎，其次是南向的房子數，其他方向的房子數量只有極少部分。三個朝向的房子一般爲別墅，所以房子數量最少。在價格上，三個方向的別墅價格最高，其次在普通住宅中，南北方向的房子價格最高，其次是單獨朝南方向，價格最低的是東西方向的房子，也就是俗稱的“東西廂房”。
第七：進行房屋面積特徵分析。
總體來看房源大部分爲90-120平之間，其次是120-200平之間；不同小區戶型的佔比情況有所不同，新小區大戶型房源數量多，老小區小戶型房源數量多；所有小區的中型房源數量都處於居中位置，數量不是最多也不是最少的。