文件名称：hz-house-price-statics:杭州房价分析
文件大小：34.46MB
文件格式：ZIP
更新时间：2024-05-29 15:07:46
JupyterNotebook
杭州二手房源分析 一、项目主题 分析杭州历年城区内小区房价变化，根据房地产知识定义楼盘，为用户购房提供决策参考。（可分析其他城市，替换第一个城区链接即可。） 如何评估房子性价比。 二手房源如何定价。 房价预测趋势。 楼盘开发预测。 房源网站数据全，但是量过大，我们只针对小区这一维度，给出纵向和横向对比的维度数据，做分析。 二、项目开发 1.数据爬虫 获取房天下的数据源，数据入库。 指标：小区名，房价，经度，纬度，板块评级，物业评级，活跃度评级，教育评级，搜索热度。 待分析出的指标：同比，环比，分类，综合评分，预测房价。 （1）分析网站结构 主城区链接：get请求 商业区：get请求 小区：get请求 历年：get请求 requests请求数据接口，selenium获取页面静态数据。 selenium有点慢，5小时可爬到杭州小区全部数据。中间会有反爬机制，弹出验证码页面，导致查不到页面元素，
【文件预览】：
hz-house-price-statics-master
----program.py(337B)
----xgb.py(3KB)
----.DS_Store(6KB)
----房源分析.twb(957KB)
----data_history()
--------geography_tree.csv(389KB)
--------geography_tree.xlsx(257KB)
--------houseinfo.csv(2.83MB)
--------geography_tree.json(318KB)
--------geography_tree_pure.json(276KB)
--------houseprice.csv(2.51MB)
----config.py(163B)
----lstm.py(4KB)
----static.py(6KB)
----text.py(9B)
----model.h5(948KB)
----model()
--------reg_field.py(1KB)
--------__pycache__()
----lstm-predict()
--------data.xlsx(18KB)
--------lstm.py(4KB)
--------LICENSE.txt(11KB)
--------result.png(609KB)
--------.vscode()
----.vscode()
--------launch.json(463B)
--------settings.json(53B)
----config.conf(355B)
----predict.py(2KB)
----mywiki()
--------content()
--------output()
--------Dockerfile(161B)
--------fabfile.py(7KB)
--------_config.yml(105B)
--------themes()
----LICENSE(1KB)
----大运营：房地产运营管理体系3.0 - 赛普.pdf(22.17MB)
----test()
--------test.ipynb(26.81MB)
----README.md(4KB)
----data_analysis.py(3KB)
----module2()
--------stock.model.data-00000-of-00001(10KB)
--------stock.model.meta(135KB)
--------stock.model.index(736B)
--------checkpoint(79B)
----__pycache__()
--------config.cpython-37.pyc(356B)
----data()
--------geography_tree.csv(2KB)
--------houseinfo.csv(149B)
--------houseprice.csv(16B)
----可视化()
--------view()
--------temp.json(376KB)
--------city_charts.py(582B)
--------py-echarts.py(3KB)
--------fangjia.jpg(271KB)
--------pandas_profile.py(222B)
--------dash_demo.py(1KB)
--------shange_charts.py(338KB)
--------temp.csv(215KB)
--------plot.py(837B)
----crawl_data.py(25KB)
----house_score.csv(820KB)
----scylla()
----kreaslstm.py(4KB)