上海的房租有多高？我用Python爬虫为你揭晓
此文首发于公众号 brucepk，点击这里 查看，如需转载，请联系作者。
阅读文本大概需要 7 分钟。
大家还记得你们刚来上海的时候租房的房租是多少吗？现在相比于那个时候，是不是涨了不少？上个月中介哄抢租赁房源的事件大家应该还没忘记。pk哥在上海，也是见证了房租稳步上涨的过程。很多网友感慨，以前是买不起房，现在是租房都租不起了。
今天，pk哥用 Python 爬虫给大家分析下上海的房租。我们用数据来看看上海的房租究竟有多高。
这次的租房房源数据来源于链家网，用 Python 收集数据后制作成可视化图形。
效果图
本次用 Python 爬取链家网的样本数据我把它做成了柱形图。从图中看到，有些区域的房源是比较少的，像崇明、金山、上海周边这三个区域提供的房源较少。
通过样本数据我提取出上海各区域的房租平均值。图中标出了最高房租和最低房租。
这个房租的平均值参考性不大，因为房租的多少还和房屋面积和户型有关。我们用词云图来看看出租的房源中的主要户型情况，字体越大表示此户型占的比例越大。
从户型词云图看得出来，出租的房源中最多的户型是 3 室 2 厅和 2 室 2 厅。如果和认识的朋友一起，租这种户型的房子也是一个不错的选择，这种户型的房子一般在小区，环境也不错。
所以，为了使数据更具有参考性，我把各区域房源每平米的月租平均值用 Python 计算出来画成了柱形图。图中标出了最高的每平米月租和最低的的每平米月租。最高的平均值是静安区的 160.79 元，最低的平均值是奉贤区的 29.77 元。
项目环境
语言：Python 3
编辑器：Pycharm
主要思路
1、用 Python 爬虫对链家网房源信息收集。
2、把房源信息按照自己需求整理成可视化图形。
出租房信息收集
出租房信息采集的来源是链家网，打开链家网页面，用 F12 打开页面的调试功能。页面信息的抓取用 requests 库就可以轻松获取。
代码分析
先把单个页面租房的信息提取出来以字典的形式保存。我提取的信息有出租房屋的标题、户型、面积、房租、每平米房租。把这些信息以字典的形式返回。部分主要代码如下。（左右滑动查看全部代码）
def RoomInfo(html):
soup = BeautifulSoup(html, 'lxml')
titles = soup.select('#house-lst div.info-panel h2 a')
styles = soup.select('#house-lst div.info-panel div.col-1 div.where span.zone span')
squares = soup.select('#house-lst div.info-panel div.col-1 div.where span.meters')
prices = soup.select('#house-lst div.info-panel div.col-3 div.price span')
data = []
for ti, st, sq, pr, in zip(titles, styles, squares, prices):
info = {}
title = ti.get_text().strip() # 出租房屋标题
info['标题'] = title
style = st.get_text().strip() # 出租房屋户型
info['户型'] = style
square = sq.get_text().strip()[0:-2] # 出租房屋面积
info['面积（平方）'] = square
price = pr.get_text().strip() # 出租房屋房租
info['房租（元/月）'] = price
price_square = round(float(price)/float(square), 3) # 出租房屋每平米房租
info['每平方房租（元）'] = price_square
data.append(info)
return data
接下来把上面提取的信息保存在 csv 文件中，文件名称通过提取 url 中的元素作为获得，因为每个地区的出租房信息链接都是在后面加一个中文拼音，比如浦东。
一行表示一组房屋信息，列信息分别对应是上面函数获取的标题、户型、面积、房租、每平方房租，我把所有信息都保存在 E 盘的 「zufang」目录下，需要事先新建好目录，保存的文件部分截图如下。
实现把房源信息以 csv 文件形式存储功能的代码如下。（左右滑动查看全部代码）
def write2csv(url, data):
name = url.split('/')[-3]
print('正在把数据写入{}文件'.format(name)) # 以链接中的地区拼音给文件命名
with open('E:\\zufang\\{}.csv'.format(name), 'a', newline='', encoding='utf-8-sig') as f:
fieldnames = ['标题', '户型', '面积（平方）', '房租（元/月）', '每平方房租（元）'] # 控制列的顺序
writer = csv.DictWriter(f, fieldnames=fieldnames)
writer.writeheader()
writer.writerows(data)
print("写入成功")
对页面分页时我们需要判断页面有多少页，不同地区页面会显示该地区房源的数量，每个页面显示 30 个房源，所以基本情况是页面等于房源总数量除以 30，所有区域房源最大的页面是 100 页，但是有些地区房源数量除以 30 结果大于 100 页，不知道链家的多余的房源去哪里了，这里超过 100 就当 100 处理了，还有一种情况是有些地方房源比较少，不到 30 个，那么就只有一页的数据。
def get_page_num(url):
html = get_html(url)
soup = BeautifulSoup(html, 'lxml')
nums = soup.select('body div.wrapper div.main-box.clear div.con-box div.list-head.clear h2 span')
for n in nums:
total = int(n.get_text())
if total < 30:
num = 1
return num
else:
num = total / 30
if num > 100:
num = 100
return num
else:
return num
接下来获取不同区域的所有房源信息，包括浦东区、闵行区、宝山区、普陀区、杨浦区、长宁区、松江区、嘉定区、黄埔区、静安区、闸北区、虹口区、青浦区、奉贤区、金山区、崇明区、上海周边地区、地铁租房、所有房源。为了不给链家服务器造成太大的压力而导致 IP 被封，每爬取一页时我设置了随机等待时间。（左右滑动查看全部代码）
for area in ['pudong', 'minhang', 'baoshan', 'putuo', 'yangpu', 'changning', 'songjiang', 'jiading', 'huangpu',
'jingan', 'zhabei', 'hongkou', 'qingpu', 'fengxian', 'jinshan', 'chongming', 'shanghaizhoubian',
'ditiezufang', 'all']:
base_url = 'https://sh.lianjia.com/zufang/{}/pg1/'.format(area)
num = get_page_num(base_url)
for page in range(1, int(num) + 1):
url = 'https://sh.lianjia.com/zufang/{}/pg{}/'.format(area, page)
html = get_html(url)
data = RoomInfo(html)
write2csv(url, data)
time.sleep(int(format(random.randint(0, 5))))
数据可视化处理
接下来对获得的数据进行可视化处理，我拿对户型生成词云图举例，通过从保存的 csv 文件中获取需要列的信息并统计相同元素出现的次数，剔除无关信息后生成文章前面出现的户型词云图。
import csv
import os
from pyecharts import WordCloud
def all_list(arr):
result = {}
for i in set(arr):
result[i] = arr.count(i)
return result
os.chdir('E:\\zufang')
with open('all.csv', 'rt', encoding="utf-8") as csvfile:
reader = csv.reader(csvfile)
column = [row[1] for row in reader]
result = all_list(column)
result.pop('户型') # 去掉字典中的无关信息
key = list(result.keys())
value = list(result.values())
wordcloud = WordCloud(width=1500, height=700)
wordcloud.add('', key, value, word_size_range=[20, 100])
wordcloud.render('E:\\pye\\style.html') # 在指定目录下生成文件
其他的可视化图形也是同样的思路，不清楚可查看我之前发的各种可视化图形制作方法的文章：
Python让你的数据生成可视化图形
在公众号后台回复「房租」获取源码。
觉得不错，点赞、赞赏、转发朋友圈都是一种支持。
pk哥还没开通留言功能，不过可以通过点击文末左下角「阅读原文」来留言喔。
推荐阅读
通过四六级英语考试的正确姿势
Python骚操作 | 还原已撤回的微信消息
以梦为马，不负韶华
