一名合格的數據分析師該怎樣解釋“買不起房”這件事

北京很大，大到容得下兩千多萬人的吃喝拉撒睡。北京很小，小到裝不下一個外地人的北漂夢。

我是一名北漂，來北京7年了，7年時間里不斷地租房搬家，心里一直想買一套自己的房子，而北京的房價讓我望而卻步，打消了念頭。又到年底，雙方父母催婚催的厲害，在一起5年，確實要考慮結婚了。結婚就要買房，這又讓我打起買房的主意，然而以我現在的積蓄，距離在北京買一套房還差多少？

鏈家網是北京知名的房屋買賣平臺，于是我爬取了鏈家的二手房買賣數據，不要問為什么看二手房...爬蟲代碼如下：

數據清洗整理

將數據進行清洗處理后，剩余2999條數據，其中price是房屋單價(元/平米），district是所在區域，floor是房屋層高，area是房屋面積，subway是周圍有無地鐵，rooms是臥室數量，halls是客廳數量。北京的房價受學區房影響較大，但數據不好獲取，這里就不做考慮了。

各區域在售房屋情況分析

發現朝陽區在售二手房屋最多，海淀、豐臺、昌平其次。

北京房屋價格分析

北京二手房屋均價為65254元，中位數為61562元。

大部分房屋價格集中在35000-80000元區間。

地鐵對房屋價格的影響

房屋附近有地鐵的價格明顯高于房屋附近沒有地鐵的價格。

分析房屋所在地域對房屋價格的影響

北京房價最便宜的區域是房山區，最貴的是西城區，價格分布如下：

通過箱線圖，發現在朝陽區、大興區、昌平區有很多異常值，也就是說有個別房屋價格明顯高于本區平均價格。

繪制北京房價地圖，顏色越深，房價越高，結果如下：

分析房屋面積對房屋價格的影響

沒有明顯的線性關系，說明房屋面積對房屋單價影響不大。

建立線性回歸模型，預測房屋價格

前文再對價格畫直方圖時，發現北京的房價不符合正態分布，為了模型更加精準，先將價格取對數，取對數后的價格分布接近正態分布。

進行建模前需要篩選變量，使用向前選擇法篩選變量時，所有變量都可以放入模型，于是嘗試第一次建立回歸模型。

臥室數量、客廳數量對價格不顯著，于是將rooms、halls變量剔除后繼續建模，R**2與aic并未受明顯影響，模型合理。

通過建立的模型對原數據進行預測，用預測值減去真實值，差值在0附近波動，沒有過多異常值，說明模型較為合理。

到此,基于鏈家網的二手房價格簡易分析完成，而我想在海淀區買一套100平米的房子，最好在中層，附近要有地鐵，方便上班出行。根據模型預測，購買類似房產的單價是82092元，總價是8209200，首付是35%，按我現在的工資水平..還要再干5年才能攢夠首付…算了，我還是想想如何應對父母催婚吧…

PS：會一些數據分析，會發現生活很有趣，如果想要學習數據分析技能，可以參加CDA數據分析就業班，三個月轉行數據分析師。