利用python + pyecharts+Pandas对北上广深等城市进行租房数( 三 ) _租金

代码：
#通过DataFrame计算出每个地区月均房价数据返回为一个列表def region_price(coll):df_temp,city=coll_to_dataframe(coll)#按照地区进行分组求出每个区的平均值if city=='深圳':df_temp=df_temp[~(df_temp['region'].isin(['惠州','中航格澜阳光花园二期','松仔园','伽乐园','惠鑫公寓','鸿达兴花园','龙军花园','汇隆中心','明景园']))]#按地区分组求和data=http://www.kingceram.com/post/df_temp.groupby('region').sum()price_region=round((data['price']/data['area']),2)#series类型不能更改为floatprint(price_region)data=dict(price_region)li=[]for key,value in data.items():temp={}temp['value']=round(float(value),2)temp['name']=key+':'+str(round(float(value),2))li.append(temp)#print(li)return li,city#返回一个列表[{ }]from pyecharts import TreeMap#将各地区数据可视化def show_regionPrice(coll):data,city=region_price(coll)title=city+"各区租房房价分布（元/(㎡/月）)"treemap = TreeMap(title=title, width=1200, height=600)treemap.add(city,data, is_label_show=True, label_pos='inside',label_text_size=19)treemap.render(coll+"_region_price1.html")#遍历生成北上广深的各地区月均每平米租价collection=['beijing','shanghai','guangzhou','shengzhen']for coll in collection:show_regionPrice(coll)
图9北京各城区价格分布图
由图9结合前面的结果分析可以得到，北京90%城区的租金都高于平均价格两倍之多。其中东城区的租金高达每平米每月187.78元，租一个一百平米的房子每月需要支付租金18700元。查看相关资料得知，东城、西城、朝阳和海淀区，都处于首都的最核心位置，其中著名的中关村位于海淀区，而且东城区地铁线居多，所获取的租房信息中，可以看到其地址都距离地铁站不远。
图10上海各城区租金分布图

文章插图
同样可以得到图10所示的上海城区租金分布，查阅相关信息可以得知上述图表中，每个城市租金最高的几个区的地理位置优越，都位于中心城区或附近，交通发达，是该市的经济、文化和商业中心，说明租金的高低受经济发展的影响较大。
图11 深圳各城区租金分布图
由图11深圳的租金看出，深圳南山区和福田区的租金较为突出的高。毫无意外，南山区为141.58元，可以和北京、上海的核心区域相比。南山区有腾讯、大疆、南山科技园等一大批互联网产业坐落于此，并且有七条地铁线，而南山区的GDP不仅是深圳第一，而且是广东第一。
由图12所示广州各城区的租金情况可看出，虽然广州的总体租金价格要低于地区排名前十的平均租金，但是，其中天河区、越秀区与海珠区的租金水平高于平均线，而且天河区要高出很多，为80.29元，越秀区为69.06元，海珠区为63.86元。
图12广州各城区租金分布图
由以上几大一线城市城区租金图表可知，租金最高的地方一般都位于城市的最核心位置，地铁交通便利、商业发达，并且有很多的大型公司。北京上海无论是核心区域还是边缘地区租金普遍较高。相比于北京上海的租金，深圳和广东除核心区域外，（例如：深圳南山区和福田区每平方米月租均超过100元），大部分城区的租金要低很多。
户型和面积分布
通过对十七个城市所有租房数据的户型分组统计，展示前七种户型在总体中的占比，用饼图展示可得到如图13所示的户型分布图。
图13 户型分布图
通过划分区间对各种户型的面积进行分组，统计各区间房间面积占总体样本的多少，然后通过环形图展示各占比如图14所示。