链家房屋数据爬取与预处理-大数据采集与预处理课程设计

芜湖市链家二手房可视化平台

成品展示

重点说明

1.数据特征数量和名称、数据量

数据特征数量：14；

名称：小区名、价格/万、地区、房屋户型、所在楼层、建筑面积/平方米、户型结构、套内面积、建筑类型、房屋朝向、建筑结构、装修情况、梯户比例、配备电梯；

数据量：3000条。

 2.主要爬取和预处理的工具或库

爬取的工具：Requests、time、csv、lxml；

预处理的库：pandas、json、pyecharts；

Web开发框架：HTML、CSS、JavaScript、jQuery、Bootstrap；

3.软件模块设计（类、函数等）

#获取每一页的url

def Get_url(url):

#获取每套房详情信息的url

def Get_house_url(all_url,headers):

#获取每套房的详情信息

def Analysis_html(url_ls,headers):

#把爬取的信息存入文件

def Save_data(name, money, area, data):

4.软件产品形式

Web网站：

http://47.113.217.27/lianjiaershoufang/app/templates/index.html，欢迎访问

摘要

在当前房价高涨的市场环境下，购房者对于房价信息的获取和分析需求日益增强。作为房地产行业的领军企业之一，链家网拥有大量的房源信息和用户数据。为了更好地满足用户需求，提升购房体验，本设计计划构建一个芜湖市链家二手房可视化平台，通过爬取和预处理链家网的房屋数据，为用户提供直观、便捷的房价信息展示和分析工具。

通过使用requests库发送请求获取网页内容，使用time库控制程序的请求速度，使用lxml库解析HTML数据并保存实现对链家网站的数据爬取，使用pandas库对原始数据进行缺失值检测、添加表格头、数据类型转换、异常数据替换等操作，并对各地区房源数量、各地区房价、户型结构分布、所在楼层分布、配备电梯情况等进行分析并转换成json数据实现数据的预处理，成功构建了包含房屋属性、交易属性等关键信息的数据库。采用HTML、CSS、echarts、jQuery、BootStrap框架开发芜湖市链家二手房可视化平台，读取转换的json数据以可视化看板的形式展现给用户。

在数据采集过程中，针对数据不完整和爬虫程序触发限制等问题，提出了分区域爬取和合理控制爬取速度等有效措施。经过数据清洗与分析，确保数据质量并存储于适当格式。平台功能设计完善，部署顺利，为后续的可视化展示提供了坚实基础。

平台对各地区房源数量、各地区房价、户型结构分布、所在楼层分布、配备电梯情况等进行分析，可以让用户快速了解芜湖市二手房的关键信息，辅助用户决策。

在构建芜湖市链家二手房可视化平台的旅程中，成功地将链家网的海量房源数据转化为直观、易理解的可视化信息，为用户提供了宝贵的参考依据。通过不断的优化和迭代，确保了数据的准确性和实时性，满足了购房者在当前房价高涨市场环境下对房价信息的迫切需求。

展望未来，将继续倾听用户的声音，不断完善平台的各项功能，提升用户体验。也将积极探索新的数据源和分析方法，为用户提供更加全面、深入的房地产市场分析服务。相信，在不久的将来，芜湖市链家二手房可视化平台将成为购房者不可或缺的信息助手，帮助他们更加明智地做出购房决策。

下面是具体实现代码

（代码中的路径自己替换成自己的路径）

爬虫程序（URL自己替换成自己想爬取城市的）

import requests,time,csv
import pandas as pd
from lxml import etree#获取每一页的url
def Get_url(url):all_url=[]for i in range(1,101):all_url.append(url+'pg'+str(i)+'/') #储存每一个页面的urlreturn all_url#获取每套房详情信息的url
def Get_house_url(all_url,headers):num=0#简单统计页数for i in all_url:r=requests.get(i,headers=headers)html=etree.HTML(r.text)url_ls=html.xpath("//ul[@class='sellListContent']/li/a/@href") #获取房子的urlAnalysis_html(url_ls,headers)time.sleep(4)print("第%s页爬完了"%i)num+=1#获取每套房的详情信息
def Analysis_html(url_ls,headers):for i in url_ls: #num记录爬取成功的索引值r=requests.get(i,headers=headers)html=etree.HTML(r.text)name=(html.xpath("//div[@class='communityName']/a/text()"))[0].split() #获取房名money = html.xpath("//span[@class='total']/text()" )# 获取价格area = html.xpath("//span[@class='info']/a[1]/text()")  # 获取地区data = html.xpath("//div[@class='content']/ul/li/text()")# 获取房子基本属性Save_data(name,money,area,data)#把爬取的信息存入文件
def Save_data(name, money, area, data):result=[name[0]]+money+[area]+data #把详细信息合为一个列表with open(r'../app/data/raw_data.csv','a',encoding='utf_8_sig',newline='')as f:wt=csv.writer(f)wt.writerow(result)print('已写入')f.close()if __name__=='__main__':url='https://wuhu.lianjia.com/ershoufang/'headers={"Upgrade-Insecure-Requests":"1","User-Agent":"Mozilla/5.0(Windows NT 10.0;Win64;x64) AppleWebKit/537.36(KHTML,like Gecko)Chrome""/72.0.3626.121 Safari/537.36"}all_url=Get_url(url)with open(r'../app/data/raw_data.csv', 'a', encoding='utf_8_sig', newline='') as f:#首先加入表格头table_label=['小区名','价格/万','地区','房屋户型','所在楼层','建筑面积','户型结构','套内面积','建筑类型','房屋朝向','建筑结构','装修情况','梯户比例','配备电梯']wt=csv.writer(f)wt.writerow(table_label)Get_house_url(all_url,headers)

预处理程序

import csv# 打开原始CSV文件和目标CSV文件，指定编码方式为UTF-8
with open('../app/data/raw_data.csv', 'r', newline='', encoding='utf-8') as infile, \open('../app/data/cleaned_data.csv', 'w', newline='', encoding='utf-8') as outfile:reader = csv.reader(infile)writer = csv.writer(outfile)# 跳过原始CSV文件的第一行next(reader)# 添加表格头table_label=['小区名','价格/万','地区','房屋户型','所在楼层','建筑面积','户型结构','套内面积','建筑类型','房屋朝向','建筑结构','装修情况','梯户比例','配备电梯']writer.writerow(table_label)# 删除指定列的索引columns_to_drop = [3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25,26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41]for row in reader:# 删除指定列cleaned_row = [row[i] for i in range(len(row)) if i not in columns_to_drop]writer.writerow(cleaned_row)import pandas as pd# 读取csv文件的前14列
df = pd.read_csv('../app/data/cleaned_data.csv', encoding='utf-8', usecols=range(14))# 去除地区列中的 ['']（使用正则表达式）
df['地区'] = df['地区'].str.replace(r"['\[\]]", '', regex=True)
# 去除建筑面积列中的㎡
df['建筑面积'] = df['建筑面积'].str.replace('㎡', '')
# 修改列名为'建筑面积/平方米'
df = df.rename(columns={'建筑面积': '建筑面积/平方米'})
# 所在楼层列只保留前三个文字
df['所在楼层'] = df['所在楼层'].str.slice(0, 3)
df['地区'] = df['地区'].replace('三山区', '弋江区')
df['所在楼层'] = df['所在楼层'].replace('22.', '高楼层')
# 将'三山区'改为'弋江区'
# 将'经济开发区'改为'鸠江区'
df['地区'] = df['地区'].replace('经济开发区', '鸠江区')# 保存修改后的数据
df.to_csv('../app/data/last_cleaned_data.csv', index=False)

转换成Echarts需要的json数据程序

import pandas as pd# 读取csv文件
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')
# 计算价格/万列的均值
mean_price = df['价格/万'].mean()print("价格/万列的均值为:", mean_price)import pandas as pd
import json# 读取地区数据
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')# 统计每个地区的数量
area_counts = df['地区'].value_counts().reset_index()
area_counts.columns = ['name', 'value']# 转换为需要的格式
json_data = area_counts.to_dict(orient='records')# 保存为json文件
with open('../app/templates/wuhu_data.json', 'w', encoding='utf-8') as f:json.dump({"datas": json_data}, f, ensure_ascii=False)print("各地区房源数量统计JSON文件保存成功。")import pandas as pd# 读取 CSV 文件
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')# 对小区名列进行统计
counts = df['小区名'].value_counts()# 转换成指定的 JSON 格式
result = {"ciyunshuju": [{"name": name,"value": count}for name, count in counts.items()]}# 输出 JSON 文件
with open('../app/templates/ciyun.json', 'w',encoding='utf-8') as f:json.dump(result, f, ensure_ascii=False, indent=4)
print("小区名词云数据JSON文件保存成功。")import pandas as pd# 读取 CSV 文件
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')# 对户型结构列进行统计
counts = df['户型结构'].value_counts()# 转换成指定的 JSON 格式
result = {"huxingjiegou": [{"name": name,"value": count}for name, count in counts.items()]}# 输出 JSON 文件
with open('../app/templates/huxing.json', 'w',encoding='utf-8') as f:json.dump(result, f, ensure_ascii=False, indent=4)
print("户型结构分布数据JSON文件保存成功。")import json
from pyecharts import options as opts
from pyecharts.charts import WordCloud# Read data from ciyun.json
with open('../app/templates/ciyun.json', 'r', encoding='utf-8') as file:data = json.load(file)# Extract name-value pairs from the data
words = [(item['name'], item['value']) for item in data['ciyunshuju']]# Generate word cloud
wordcloud = (WordCloud().add("", words, word_size_range=[10, 30]).set_global_opts(graphic_opts=[opts.GraphicGroup(graphic_item=opts.GraphicItem(left="center", top="middle", width=500, height=300))])
)# Save word cloud as an HTML file
wordcloud.render('../app/templates/wordcloud.html')print('小区名词云图绘制成功')import pandas as pd
import json# 读取CSV文件
df = pd.read_csv('../app/data/last_cleaned_data.csv')# 将需要的列转换为数值类型，非数值的部分会被转换为NaN
df['价格/万'] = pd.to_numeric(df['价格/万'], errors='coerce')
df['建筑面积/平方米'] = pd.to_numeric(df['建筑面积/平方米'], errors='coerce')# 去除包含NaN值的行
df = df.dropna(subset=['价格/万', '建筑面积/平方米', '地区'])# 计算每平方米价格
df['每平方米价格'] = df['价格/万'] * 10000 / df['建筑面积/平方米']# 按地区分组并计算平均值
average_price_per_sqm = df.groupby('地区')['每平方米价格'].mean().reset_index()# 将平均值转换为整数
average_price_per_sqm['每平方米价格'] = average_price_per_sqm['每平方米价格'].astype(int)# 将结果转换为所需的JSON格式
result = {"diqupingjun": [{"name": row['地区'], "value": row['每平方米价格']}for index, row in average_price_per_sqm.iterrows()]
}# 将结果存储为JSON文件
with open('../app/templates/diqupingjun.json', 'w', encoding='utf-8') as f:json.dump(result, f, ensure_ascii=False, indent=4)print("各地区平均房价数据JSON数据已保存")import pandas as pd
import json# 读取CSV文件
df = pd.read_csv('../app/data/last_cleaned_data.csv')# 按地区分组并计算平均价格
average_price_per_region = df.groupby('地区')['价格/万'].mean().reset_index()# 将结果转换为JSON格式
result = {"diqujiage": [{"name": row['地区'], "value": round(row['价格/万'], 2)}for index, row in average_price_per_region.iterrows()]
}# 将结果存储为JSON文件
with open('../app/templates/diqujiage.json', 'w', encoding='utf-8') as f:json.dump(result, f, ensure_ascii=False, indent=4)print("各地区平均单位房价数据JSON数据已保存")import pandas as pd# 读取 CSV 文件
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')# 对户型结构列进行统计
counts = df['装修情况'].value_counts()# 转换成指定的 JSON 格式
result = {"zhuangxiu": [{"name": name,"value": count}for name, count in counts.items()]}# 输出 JSON 文件
with open('../app/templates/zhuangxiu.json', 'w',encoding='utf-8') as f:json.dump(result, f, ensure_ascii=False, indent=4)
print("装修情况数据JSON文件保存成功。")import pandas as pd# 读取 CSV 文件
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')# 对配备电梯列进行统计
counts = df['配备电梯'].value_counts()# 转换成指定的 JSON 格式
result = {"dianti": [{"name": name,"value": count}for name, count in counts.items()]}# 输出 JSON 文件
with open('../app/templates/dianti.json', 'w',encoding='utf-8') as f:json.dump(result, f, ensure_ascii=False, indent=4)
print("配备电梯情况JSON文件保存成功。")import pandas as pd# 读取 CSV 文件
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')# 对户型结构列进行统计
counts = df['所在楼层'].value_counts()# 转换成指定的 JSON 格式
result = {"louceng": [{"name": name,"value": count}for name, count in counts.items()]}# 输出 JSON 文件
with open('../app/templates/louceng.json', 'w',encoding='utf-8') as f:json.dump(result, f, ensure_ascii=False, indent=4)
print("所在楼层分布数据JSON文件保存成功。")

JS部分代码

$(function () {echarts_1();echarts_2();echarts_4();echarts_31();echarts_5();echarts_6();function echarts_31() {var myChart = echarts.init(document.getElementById("fb1"));myChart.setOption({title: [{left: 'center',textStyle: {color: '#fff',fontSize: '16'}}],tooltip: {trigger: 'item',formatter: '{a} <br/>{b} : {c} ({d}%)'},legend: {orient: 'horizontal',bottom: 0,textStyle: {color: '#fff'  // 设置图例字体颜色为白色},data: []  // 初始设置为空数组，等待后续动态加载},series: [{color: ['#00d0ff', '#0059ff', '#ff6a00', '#ff0008'],name: '户型结构占比',type: 'pie',center: ['50%', '50%'],startAngle: 180,endAngle: 360,data: []  // 初始设置为空数组，等待后续动态加载}]});// 读取huxing.json$.getJSON("huxing.json", function (data) {var huxing_data = data.huxingjiegou;// 使用huxing_data来渲染图表// 修改图表数据myChart.setOption({series: [{data: huxing_data.map(function (item) {return {name: item.name.trim(),value: item.value};})}],legend: {data: huxing_data.map(function (item) {return item.name.trim();})}});});
}function echarts_1() {// 基于准备好的dom，初始化echarts实例var myChart = echarts.init(document.getElementById('echart1'));// 从服务器加载JSON数据fetch('zhuangxiu.json').then(response => response.json()).then(data => {// 提取名称和对应的值var names = data.zhuangxiu.map(item => item.name.trim());var values = data.zhuangxiu.map(item => item.value);var option = {tooltip: {trigger: 'axis',axisPointer: {type: 'shadow'}},grid: {left: '0%',top: '10px',right: '0%',bottom: '4%',containLabel: true},xAxis: [{type: 'category',data: names, // 使用从JSON文件中读取的数据axisLine: {show: true,lineStyle: {color: "rgba(255,255,255,.1)",width: 1,type: "solid"},},axisTick: {show: false,},axisLabel: {interval: 0,show: true,splitNumber: 15,textStyle: {color: "rgba(255,255,255,.6)",fontSize: '12',},},}],yAxis: [{type: 'value',axisLabel: {show: true,textStyle: {color: "rgba(255,255,255,.6)",fontSize: '12',},},axisTick: {show: false,},axisLine: {show: true,lineStyle: {color: "rgba(255,255,255,.1)",width: 1,type: "solid"},},splitLine: {lineStyle: {color: "rgba(255,255,255,.1)",}}}],series: [{name: '装修类型数量',type: 'bar',data: values, // 使用从JSON文件中读取的数据barWidth: '35%', // 柱子宽度itemStyle: {normal: {color: '#2f89cf',opacity: 1,barBorderRadius: 5,}}},{name: '装修类型数量',type: 'line',data: values, // 使用从JSON文件中读取的数据itemStyle: {normal: {color: '#f56c6c',opacity: 1,}}}]};// 使用刚指定的配置项和数据显示图表。myChart.setOption(option);window.addEventListener("resize", function(){myChart.resize();});});
}function echarts_2() {var myChart = echarts.init(document.getElementById('echart2'));// 从服务器加载JSON数据fetch('diqujiage.json').then(response => response.json()).then(data => {var option = {tooltip: {trigger: 'axis',axisPointer: { type: 'shadow'},formatter: function(params) {return params[0].name + ': ' + params[0].value + ' 万';}},grid: {left: '0%',top:'10px',right: '0%',bottom: '4%',containLabel: true},xAxis: [{type: 'category',data: data.diqujiage.map(item => item.name), // 使用从JSON文件中读取的地区数据axisLine: {show: true,lineStyle: {color: "rgba(255,255,255,.1)",width: 1,type: "solid"},},axisTick: {show: false,},axisLabel:  {interval: 0,show: true,splitNumber: 15,textStyle: {color: "rgba(255,255,255,.6)",fontSize: '12',},},}],yAxis: [{type: 'value',axisLabel: {show:true,textStyle: {color: "rgba(255,255,255,.6)",fontSize: '12',},},axisTick: {show: false,},axisLine: {show: true,lineStyle: {color: "rgba(255,255,255,.1)",width: 1,type: "solid"},},splitLine: {lineStyle: {color: "rgba(255,255,255,.1)",}}}],series: [{type: 'bar',data: data.diqujiage.map(item => item.value), // 使用从JSON文件中读取的价格数据barWidth:'35%', //柱子宽度itemStyle: {normal: {color:'#27d08a',opacity: 1,barBorderRadius: 5,}}}]};myChart.setOption(option, true);myChart.setOption(option);window.addEventListener("resize",function(){myChart.resize();});});
}function echarts_5() {var myChart = echarts.init(document.getElementById('echart5'));// 从服务器加载JSON数据fetch('diqupingjun.json').then(response => response.json()).then(data => {// 提取地区名称和对应的平均价格var names = data.diqupingjun.map(item => item.name);var values = data.diqupingjun.map(item => item.value);var option = {tooltip: {trigger: 'axis',axisPointer: {type: 'shadow'},formatter: function(params) {return params[0].name + ': ' + params[0].value + ' 元/㎡';}},grid: {left: '0%',top: '10px',right: '0%',bottom: '2%',containLabel: true},xAxis: [{type: 'category',data: names, // 使用从JSON文件中读取的地区数据axisLine: {show: true,lineStyle: {color: "rgba(255,255,255,.1)",width: 1,type: "solid"},},axisTick: {show: false,},axisLabel: {interval: 0,show: true,splitNumber: 15,textStyle: {color: "rgba(255,255,255,.6)",fontSize: '12',},},}],yAxis: [{type: 'value',axisLabel: {show: true,textStyle: {color: "rgba(255,255,255,.6)",fontSize: '12',},},axisTick: {show: false,},axisLine: {show: true,lineStyle: {color: "rgba(255,255,255,.1)",width: 1,type: "solid"},},splitLine: {lineStyle: {color: "rgba(255,255,255,.1)",}}}],series: [{type: 'bar',data: values, // 使用从JSON文件中读取的价格数据barWidth: '35%', // 柱子宽度itemStyle: {normal: {color: '#2f89cf',opacity: 1,barBorderRadius: 5,}}}]};// 使用刚指定的配置项和数据显示图表myChart.setOption(option);window.addEventListener("resize", function() {myChart.resize();});});
}function echarts_4() {// 基于准备好的dom，初始化echarts实例var myChart = echarts.init(document.getElementById('echart4'));// 从服务器加载JSON数据fetch('dianti.json').then(response => response.json()).then(data => {// 提取名称和对应的值var names = data.dianti.map(item => item.name.trim());var values = data.dianti.map(item => item.value);var option = {tooltip: {trigger: 'axis',axisPointer: {lineStyle: {color: '#dddc6b'}}},grid: {left: '10',top: '30',right: '10',bottom: '10',containLabel: true},xAxis: [{type: 'category',boundaryGap: false,axisLabel: {textStyle: {color: "rgba(255,255,255,.6)",fontSize: 12,},},axisLine: {lineStyle: {color: 'rgba(255,255,255,.2)'}},data: names // 使用从JSON文件中读取的数据}, {axisPointer: { show: false },axisLine: { show: false },position: 'bottom',offset: 20,}],yAxis: [{type: 'value',axisTick: { show: false },axisLine: {lineStyle: {color: 'rgba(255,255,255,.1)'}},axisLabel: {textStyle: {color: "rgba(255,255,255,.6)",fontSize: 12,},},splitLine: {lineStyle: {color: 'rgba(255,255,255,.1)'}}}],series: [{// name: '安卓',type: 'line',smooth: true,symbol: 'circle',symbolSize: 5,showSymbol: false,lineStyle: {normal: {color: '#0184d5',width: 2}},areaStyle: {normal: {color: new echarts.graphic.LinearGradient(0, 0, 0, 1, [{offset: 0,color: 'rgba(1, 132, 213, 0.4)'}, {offset: 0.8,color: 'rgba(1, 132, 213, 0.1)'}], false),shadowColor: 'rgba(0, 0, 0, 0.1)',}},itemStyle: {normal: {color: '#0184d5',borderColor: 'rgba(221, 220, 107, .1)',borderWidth: 12}},data: values // 使用从JSON文件中读取的数据},{// name: 'IOS',type: 'line',smooth: true,symbol: 'circle',symbolSize: 5,showSymbol: false,lineStyle: {normal: {color: '#00d887',width: 2}},areaStyle: {normal: {color: new echarts.graphic.LinearGradient(0, 0, 0, 1, [{offset: 0,color: 'rgba(0, 216, 135, 0.4)'}, {offset: 0.8,color: 'rgba(0, 216, 135, 0.1)'}], false),shadowColor: 'rgba(0, 0, 0, 0.1)',}},itemStyle: {normal: {color: '#00d887',borderColor: 'rgba(221, 220, 107, .1)',borderWidth: 12}},data: values // 使用从JSON文件中读取的数据},]};// 使用刚指定的配置项和数据显示图表。myChart.setOption(option);window.addEventListener("resize", function(){myChart.resize();});});
}function echarts_6() {// 基于准备好的dom，初始化echarts实例var myChart = echarts.init(document.getElementById("echart6"));myChart.setOption({title: [{left: 'center',textStyle: {color: '#fff',fontSize: '16'}}],tooltip: {trigger: 'item',formatter: '{a} <br/>{b} : {c} ({d}%)'},legend: {orient: 'horizontal',bottom: 0,textStyle: {color: '#fff'  // 设置图例字体颜色为白色},data: []  // 初始设置为空数组，等待后续动态加载},series: [{color: ['#00d0ff', '#0059ff', '#ff6a00', '#ff0008'],name: '所在楼层占比',type: 'pie',center: ['50%', '50%'],startAngle: 180,endAngle: 360,data: []  // 初始设置为空数组，等待后续动态加载}]});// 读取huxing.json$.getJSON("louceng.json", function (data) {var huxing_data = data.louceng;// 使用huxing_data来渲染图表// 修改图表数据myChart.setOption({series: [{data: huxing_data.map(function (item) {return {name: item.name.trim(),value: item.value};})}],legend: {data: huxing_data.map(function (item) {return item.name.trim();})}});});}})

HTML、CSS、JS等代码太多不去展示。

需要web平台端程序、文档、帮忙修改程序的可以加我QQ2579562108。