其他
R可视化分析链家网南京楼市数据
作者：邬书豪，车联网数据挖掘工程师 ，R语言中文社区负责人之一。微信ID：wsh137552775
知乎专栏：https://www.zhihu.com/people/wu-shu-hao-67/activities
数据下载：公众号后台回复“链家网”下载数据
一、10个数据分析维度
各一级区域成交量排行和销售均价情况
热门成交房屋户型绘饼图分析
链家南京房屋年代统计分析
链家南京房屋交易议价空间统计（议价空间 = 挂牌价 - 成交价）
链家南京楼层房价统计
最贵的top10小区
链家每日销售额
平均成交总价与平均成交单价
房屋成交周期
报价和成交价差异
二、数据处理及可视化分析
#加载数据
data = read.csv('D:/练习集/南京链家楼市分析/dpLianjiabydistrict.csv',header = TRUE,fileEncoding = "gbk")
dim(data)
#数据共有30515行，24列
#看一下数据
str(data)
#1、链家南京每日成交量统计可视化
daySaleAmount <- with(data, table(dealDate))
barplot(daySaleAmount, xlab="交易时间", ylab="成交量(套)", main="链家南京成交量统计(2012.5.3-2017.7.6)"从2016年12月开始至2017年2月末，南京楼市迎来买买买的高潮！成交量爆增
2012.5.3-2017.7.6近五年，南京楼市成交量在2016年末开始迎来买房高峰
#2、一级区域成交量排行和销售均价
#一级区域观测赋值给增加的新变量zone
data$district <-as.character(data$district)
zonedata = function(x){
strsplit(x,split = "/")[[1]][1]
}
zone1 <-sapply(data$district,zonedata)
data$zone <- zone1
data$zone <- factor(data$zone)
zoneSales <- with(data, table(zone))
zoneSales <- sort(zoneSales, decreasing=TRUE)
#一级区域成交量数据表 （图2）
zoneSales=as.data.frame(zoneSales)鼓楼区成交量最大，以8350套成交套数雄居第一！
秦淮区以6388套成交套数位于NO2！
#链家南京各区域交易情况绘图！
# 整合数据,计算出各区域均价
tempPrices <- aggregate(data$unitPrice, by=list(zone=data$zone), mean)
zoneUnitPrices <- NULL
# a=NULL a[c("will","night")] = c(1,2) a
zoneUnitPrices[t(tempPrices["zone"])] <- t(tempPrices["x"])
#zoneUnitPrices["建邺"]
zoneUnitPrices[2] <- round(zoneUnitPrices[2], 0)
ry = as.data.frame(zoneUnitPrices)$zoneUnitPrices
ly = zoneSales$Freq
twoord.plot(lx=c(1:9), ly=ly, lylim=c(0, max(zoneSales$Freq)*1.1),
rylim=c(0, max(ry)*1.1), main="链家南京各区域交易情况",
xlab="区域", ylab="成交量(套)", rylab="均价(元)",
rx=c(1:9), ry=ry,
type=c("bar", "b"), xlim=c(0, 10))
##加载均价数据
text(c(1:9), zoneSales$Freq+300, zoneSales$Freq)
rypos <- round(zoneUnitPrices[zoneSales$zone]*max(zoneSales$Freq)/max(zoneUnitPrices))
text(c(1:9), rypos+600, round(zoneUnitPrices[zoneSales$zone]), col="red")#链家南京热门成交户型Top6
layoutSaleAmount <- with(data, table(layout))
layoutSaleAmount <- sort(layoutSaleAmount, decreasing=TRUE)
topLayoutSaleAmount <- layoutSaleAmount[1:6]
topLayoutSaleAmount[7] <- sum(layoutSaleAmount)-sum(layoutSaleAmount[1:6])
names(topLayoutSaleAmount)[7] <- "其他"
pctTopLayoutSaleAmount <- round(topLayoutSaleAmount/sum(topLayoutSaleAmount)*100,2)
pctTopLayoutSaleAmount <- paste(names(topLayoutSaleAmount), ":", pctTopLayoutSaleAmount, "%", sep="")
par(mfrow=c(1,1))
pie(topLayoutSaleAmount, labels= pctTopLayoutSaleAmount, col=rainbow(length(topLayoutSaleAmount)),main="链家
48 30904 48 14987 0 0 2318 0 0:00:13 0:00:06 0:00:07 3218京热门成交户型Top6(2012.5.3-2017.7.6)")#链家南京房屋年代统计
data$years <- as.character(data$years)
data$years <- as.numeric(data$years)
data <- within(data, {
hood <- NA
hood[is.na(data$years)] <- NA
hood[data$years<1990] <- "90年前"
hood[data$years>=1990 & data$years<2000] <- "90年代"
hood[data$years>=2000 & data$years<2010] <- "00年代"
hood[data$years>=2010] <- "10年代"
})
data$hood <- ordered(data$hood, levels=c("10年代", "00年代", "90年代", "90年前"))
hoodSales <- with(data, table(hood))
barplot(hoodSales, xlab="房屋年代", ylab="成交量(套)",
ylim=c(0, max(hoodSales)*1.1), main="链家南京房屋年代统计(2012.5.3-2017.7.6)")
text(c(1:length(hoodSales))*1.2-0.48, hoodSales+400, hoodSales)#5、议价空间 = 挂牌价 - 成交价
gapPrices <- data$quotedPrice - data$totalPrice
dayGapPrices <- aggregate(gapPrices, by=list(dealDate=data$dealDate), mean)
tsGapPrices=ts(dayGapPrices[2],frequency=365,start=c(2012,5,3),end=c(2017,7,6))
par(mfrow=c(2,1), mar=c(2,4,3,2))
plot.ts(tsGapPrices, type="p", xlab=NULL, xaxt="n", ylab=NULL, main="链家南京房屋交易议价空间统计(2012.5.3-2017.7.6)")
decTsGapPrices <- decompose(tsGapPrices)
par(mar=c(3,4,0,2))#楼层房价统计
data$loft <- as.character(data$loft)
data$loft <- as.numeric(data$loft)
# 无电梯房
elderdata <- data[data$elevator=="无电梯" | (is.na(data$elevator) & data$loft <= 7),]
# 有电梯房
newerdata <- data[!(data$elevator=="无电梯" | (is.na(data$elevator) & data$loft <= 7)),]
# 根据stair计算交易均价
stairElderPrices <- aggregate(elderdata$unitPrice, by=list(stair=elderdata$stair), mean)
stairNewerPrices <- aggregate(newerdata$unitPrice, by=list(stair=newerdata$stair), mean)
stairElderPrices[,2] <- round(stairElderPrices[,2], 0)
stairNewerPrices[,2] <- round(stairNewerPrices[,2], 0)
maxPrice <- max(stairElderPrices[,2],stairNewerPrices[,2])
plot(stairElderPrices[,1], stairElderPrices[,2], ylim=c(0, maxPrice*1.1), main="链家南京楼层房价统计",
type="b", col="blue", xlab="楼层", ylab="交易均价（元)")
text(stairElderPrices[,1], stairElderPrices[,2]+1000, stairElderPrices[,2], col="blue")
par(new=TRUE)
plot(stairElderPrices[,1], stairNewerPrices[,2], ylim=c(0, maxPrice*1.1),
type="b", col="red", xlab="楼层", ylab="交易均价（元)")
text(stairElderPrices[,1], stairNewerPrices[,2]+1000, stairNewerPrices[,2], col="red")
legend("bottomright", legend=c("无电梯","有电梯"), col=c("blue", "red"), bty="y", bg="aliceblue", pch=c(15,15))
par(new=FALSE)#7、最贵的top10小区
blockPrices <- aggregate(data$unitPrice, by=list(block=data$block), mean)
blockPrices <- blockPrices[order(blockPrices[,2], decreasing=TRUE),]
names(blockPrices)[2] <- "unitPrice"
# 小区总数
length(blockPrices[,1])
# 最贵Top10小区
blockPrices[1:10,]# 链家每日销售额
daySales <- aggregate(data$totalPrice, by=list(dealDate=data$dealDate), sum)
plot(daySales[,1], daySales[,2], type='b',
xlab="Deal Date", ylab="Sale Value", main="Lianjia Day Sale Value(2017.3.15-2017.7.3)")链家每日销售额
#平均成交总价
mean(data$totalPrice)
#平均成交单价
mean(data$unitPrice)# 房屋成交周期
tranCycle <- aggregate(data$tranCycle, by=list(dealDate=data$dealDate), mean)
plot(tranCycle[,1], tranCycle[,2], type='b',
xlab="Deal Date", ylab="Transaction Cycle", main="Lianjia Transaction Cycle(2017.3.15-2017.7.3)"# 报价和成交价差异
gapPrice <- data$quotedPrice - data$totalPrice
gap <- aggregate(gapPrice, by=list(dealDate=data$dealDate), mean)
plot(gap[,1], gap[,2], type='b',
xlab="Deal Date", ylab="Gap Price", main="Lianjia Gap Price(2017.3.15-2017.7.3)")文末彩蛋
Hadley 大神的个人主页：http://hadley.nz/
《R for Data Science》 使用R做数据科学的核心工具：http://r4ds.had.co.nz/
《ggplot2:elegant graphics for data analysis》使用ggplot2创建图形：https://www.amazon.com/dp/0387981403/ref=cm_sw_su_dp?tag=ggplot2-20
《Advanced R》 R的运行机制：http://adv-r.had.co.nz/
《R packages》 R的软件工程实践，并使用包打包、记录和测试代码：http://r-pkgs.had.co.nz/
公众号后台回复关键字即可学习
回复 R R语言快速入门免费视频
回复 统计 统计方法及其在R中的实现
回复 用户画像 民生银行客户画像搭建与应用
回复 大数据 大数据系列免费视频教程
回复 可视化 利用R语言做数据可视化
回复 数据挖掘 数据挖掘算法原理解释与应用
回复 机器学习 R&Python机器学习入门