作者: 知与谁同
1394人浏览
评论数：0
5年前
从2014年对楼市的普遍唱衰，到2015年的价格回暖，到底发生了怎样的改变？本文就尝试通过大数据来和丰富的图表，为大家展现数据背后的数据。 数据采集采用笔者用C#开发的爬虫工具。 数据清洗ETL采用了笔者开发的工具软件。 数据分析采用ipython noteb
作者: 长征6号
1017人浏览
评论数：0
6年前
从2014年对楼市的普遍唱衰，到2015年的价格回暖，到底发生了怎样的改变？本文就尝试通过大数据来和丰富的图表，为大家展现数据背后的数据。 数据采集采用笔者用C#开发的爬虫工具。 数据清洗ETL采用了笔者开发的工具软件。 数据分析采用ipython note
作者: 长征6号
696人浏览
评论数：0
6年前
上一节我们通过爬虫工具爬取了近七万条二手房数据，那么这一节就对这些数据进行预处理，也就是所谓的ETL(Extract-Transform-Load) 一.ETL工具的必要性 数据分析的前提是数据清洗。不论如何高大上的算法，遇到错误数据，一个异常抛出来，绝对尸
作者: 沙漠之鹰123
2475人浏览
评论数：0
6年前
上一节我们通过爬虫工具爬取了近七万条二手房数据，那么这一节就对这些数据进行预处理，也就是所谓的ETL(Extract-Transform-Load) 一.ETL工具的必要性 数据分析的前提是数据清洗。不论如何高大上的算法，遇到错误数据，一个异常抛出来，绝对尸
作者: 沙漠之鹰123
3079人浏览
评论数：0
6年前
一. 前言 房价永远是最让人头疼且激动的话题，尤其是在帝都，多少人一辈子都为了一套房子打拼。正好我也想用一个大家比较关心的话题作为案例，把目前我开发的这套软件进行一次完整的演练。从数据采集，到清洗，分析，和最终可视化和报告的呈现，实现一次完整的流程。一方面可
作者: suboysugar
926人浏览
评论数：0
5年前
一. 前言 房价永远是最让人头疼且激动的话题，尤其是在帝都，多少人一辈子都为了一套房子打拼。正好我也想用一个大家比较关心的话题作为案例，把目前我开发的这套软件进行一次完整的演练。从数据采集，到清洗，分析，和最终可视化和报告的呈现，实
作者: 长征6号
1149人浏览
评论数：0
6年前
应不少读者的要求，笔者总结北京2014年到2015年涨幅较大的几个区域，并按照涨价百分比（而非绝对涨价值）绘制了如下的北京楼市涨跌地图： 同时，笔者总结了涨价幅度较高的六大区域（凑个吉利数字吧(∩_∩)）。 第六名.东城区（东西城合并？平均涨价14%） 东城
作者: 小旋风柴进
1229人浏览
评论数：0
5年前
最近房价长得确实厉害，不少卖家捂盘惜售，坐等涨价。本文作者获取了某房产交易公司的33万条交易数据，比挂牌价更真实。 因为2011年以后的数据相对完善，所以我们尝试从五年成交数据来分析其内在规律。（编者注：楼市交易变化迅速，所有时间统计以”月“为单位） ◆ ◆
