抓取链家官网北京房产信息并用python进行数据挖掘

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 notebook和pandas     可视化使用了matplotlib和seaborn.     热力图使用了百度地图API， 按经纬度0.01度为一个子区域，计算其中的平均值作为当前区域的房价/二手房数量。这些数据是笔者在2014年10月年和2015年10月份两次，在链家官网上抓取的在售二手房数据，2014年约为64000条，2015年总计约7W条。数据源可能会有偏差，因此结论仅供参考。首先我们导入所需的类库：# -*- coding:utf-8 -*-import mongo;import pandas as pd;import ………………………………