买房?不买?

1、Python基础

Python是一种面向对象、解释型自由语言,语法简洁清晰、基础代码库丰裕,覆盖网络、文件、GUI、数据库、文本等世界。并能和别的主流语言沟通扶助制作。Python首要分为Cpython、Jpython、IronPython、PyPy等。解释型语言可移植行好,不过运维速度没有编写翻译型语言,其次解释型语言源码无法像编写翻译型那样编写翻译成二进制串加密。

manbetx手机网页版 1

manbetx手机网页版, 

很多时候大家都觉着有点失去是因为立即的尺码不容许或许是外因的扰攘,但深究下去就会意识具有的结果都是源于大家内心深处的挑三拣四。失去与收获都以尘埃落定的。

1.1.2 Linux

安装Python3.x.x,通过pip安装须要的第1方库。


1.2 Python库

Python为开发者提供充裕代码库,开发者从不会从零初阶开发,基础意义大旨已经有现成的老到的框架或库援救,由此小幅度的进步开发者的花费效用和增进代码健壮性。

manbetx手机网页版 2

 

Python很容易学!作者有弄四个调换,互问互答,财富共享的沟通学习集散地,假诺您也是Python的学人大概大腕都迎接你来!㪊:548+377+875!一起
学习共同提升!

manbetx手机网页版 3

 

蒙得维的亚房价高涨,但也阻止不住祖国内地人民来费城买房的私欲。柏林(Berlin)房价动辄几百万,程序猿那种动物想在柏林平稳压力山大。所以买房必然是人生一至关心重视要决定,必须货比三家。当前各样房产中介,种种开发商,各样楼盘。消息多到大家不可能控制。因而程序猿就必要利用专业的优势通过一些办法取得实惠数据,分析筛选最地道的房源。

A先生最早来楼盘看的屋宇,本地人首套房刚需客户。楼盘属于刚同志开发的区域周边的配套不是那么完美,但价格是漫天区域最有利于的,再者学校跟医院菜市镇这几个基本的活着配套照旧有,且离的挺近的。刚好当时的购房政策得以首付两成,所以一切都碰巧好。A先生心满意足的说回家跟老婆说,等开盘就来定房。

2.1.1 Python教您买房维度指标种类

Python教您买房首先我们须要规定大家购房时最关切的维度连串和指标种类。关怀首要维度和第叁目标类别如图所示:

manbetx手机网页版 4

 

Python教您买房,分为数据爬虫和大数据解析。首先通过爬虫格局取获得阿布扎比房产交易网成功交易量和交易价格并得出布拉迪斯拉发房价的大势,获得最合适的购房时间段,确认最棒的上车时间。然后爬取链家网数据并按用户关切维度深度分析帅选得出适宜的房屋,做好全方位上车的预备。

manbetx手机网页版 5

 

过了1个多星期A先生再度恢复生机售楼部,这一次除开带了太太外还带了情侣B先生跟太太。在理解项指标主干气象的时候,B先生跟老伴时不时的会用家长途电话聊几句,基本都以协商地点合不妥当,他们的钱够不够付首付,小孩上学是或不是有利于类似的难点。A先生因为事先来过相比较精通情况,有时候也会给他两介绍下。两家估摸平常的关系都挺好的,后来坐下来聊的挺欢的,从老家的房舍到近日的娃上学的事都聊了个遍,后来聊到买房的事,一向没怎么说话的A太太终于打开了话匣子:“我们家老A一直就不是有钱的命,从结婚到今后怎么不是靠的我们温馨啊,那几个你们也驾驭家里根本靠不上。未来看看我们都到城里来买房了就也眼红了,那天回去就跟笔者说哪哪的房舍多少钱一平,要不大家也买到一套来,反正本人是觉得未来买不可相信,家里还两儿童正要耗费的时候,2017年大的就要上高级中学了,那手里不能够没点钱啊。而且那房子这么多年了哪有老是涨的道理啊,哪有那么四个人要买房子的,还不是被他们炒起来的。”A先生刚想出口太太三个白眼瞪过来也不吱声了,临走的时候B太太积极加了自个儿的微信跟要了联系格局说是再次来到看起有啥样不懂的再来问笔者。

2.1.2 Python教你买房框架

Python教您买房框架,首要分为5块,分别为主程序模块、代理IP模块、地图服务模块、可视化服务模块、指标页面模块等。主程序为率先运行代理IP模块,抓取带来IP并由此测试可用代理IP存入到代理池,定时线程定时清洗带来并把无效的推动IP剔除出代理池,代理IP模块并提供外部API获取代理IP。主程序通过代办服务走访并抓取外部网页的灵光消息并在主程序模块理解习HTML并写入到地方文件。主程序会调用地图服务获得经纬度消息,并绘制热力图等。同时间可视化模块定时读取文件并转移可视化图形报表供业务侧分析利用。

manbetx手机网页版 6

 

壹 、主服务模块

主程块通过Api提要求前端用户登录和收获用户交互输入,通过参数解析获取获得用户的须要组装请求,获取代理IP转载呼吁到对象地点获取指标数据,再次来到数据经过html解析得到有效数据写入到文件地图服务和可视化服务生产自个儿的图样报表,辅佐得出Python教您买房的数码扶助。

二 、IP代理服务模块

#!/usr/bin/env python3# -*- coding: utf-8 -*-# function:定时抓取免费代理IP,并检查可用性,可用proxy存入数据库供业务方调用获取# Author:elideng# date: 2017-11-11import requestsfrom bs4 import BeautifulSoupimport tracebackimport pymysqlimport threadingimport time'''
*@Function【爬取IpProxy】
*@Request: 请求 [in]
* param1 int iReqGetNum: 请求获取代理量
*@Response:响应 [out]
* param1 int iFinalGetNum: 最终获取代理量
*@Return:返回值 int : 0(成功) 其它失败
'''def GrabIpProxy():
 arrIpList = []
 User_Agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'
 header = {}
 header['User-Agent'] = User_Agent #url = 'http://www.xicidaili.com/nn/1'
 url = 'http://www.baidu.com'
 res = requests.get(url, headers=header) if res.status_code == 200:
 info = {}
 soup = BeautifulSoup(res.text, 'lxml')
 ips = soup.findAll('tr') for x in range(1, len(ips)):
 ip = ips[x]
 tds = ip.findAll("td")
 ip_port = tds[1].contents[0] + ":" + tds[2].contents[0]
 arrIpList.append(ip_port) #后续加上代理可用校验,非可用踢出代理池
 #print(ip_port)
 #计算列表量
 return arrIpList'''
*@Function【测试ipProxy是否可用】
*@Request: 请求 [in]
* param1 String desUrl: 测试目的地址
* param2 String ipProxy:代理IP端口
* param3 int iTimeout:超时时间
* param4 String feature:目的地址特征
*@Response:响应 [out]
* param1 int iFinalGetNum: 最终获取代理量
*@Return:返回值 :成功返回代理Proxy 失败返回空
'''def checkProxyIP(desUrl, ipProxy, iTimeout=3, feature=""): #确认带来iPaddress 2秒内能否
 #desUrl = 'http://www.baidu.com'
 header = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'}
 proxies = {'http': 'http://' + ipProxy} #组装代理
 res = None # 声明
 exMsg = None
 try: #res = requests.get(url=desUrl, headers=header, proxies=proxies, timeout=iTimeout)
 res = requests.get(desUrl, proxies=proxies, timeout=iTimeout) # 代理方式请求,防止反爬虫
 soup = BeautifulSoup(res.text, 'lxml') #feature=""
 #print(soup.findAll(feature))
 except:
 exMsg = '* ' + traceback.format_exc() if exMsg: return -1
 if res.status_code != 200: return -1
 if res.text.find(feature) < 0: return -1
 return 0#更新代理池IPdef updateProxy(ipProxy, vaildFlag="N"):
 smysql = pymysql.connect(host='127.0.0.1', user='root', passwd='elideng', db='test')
 cursor = smysql.cursor() try:
 cursor.execute('update t_proxy set FvaildFlag="%s" where Fproxy="%s" limit 1' % (ipProxy, vaildFlag))
 smysql.commit() #提交执行
 except:
 smysql.rollback()
 smysql.close() return 0#新增代理池IPdef insertProxy(ipProxy, vaildFlag="Y"):
 smysql = pymysql.connect(host='127.0.0.1', user='root', passwd='elideng', db='test')
 cursor = smysql.cursor() try:
 cursor.execute('insert into t_proxy values("%s", "%s", now(), now())' % (ipProxy, vaildFlag))
 smysql.commit() #提交执行
 except:
 smysql.rollback()
 smysql.close() return 0#获取Proxydef getProxy(proxyNum):
 smysql = pymysql.connect(host='127.0.0.1', user='root', passwd='elideng', db='test')
 cursor = smysql.cursor()
 proxyList=[] try: if proxyNum == -1:
 cursor.execute('select Fproxy from t_proxy where FvaildFlag='Y'') else:
 cursor.execute('select Fproxy from t_proxy where FvaildFlag='Y' limit %s' % (proxyNum))
 results = cursor.fetchall() for row in results:
 proxyList.append(row[0]) except: # Rollback in case there is any error
 smysql.rollback()
 smysql.close() return proxyListdef CheckIpProxyTimer():
 arrIpList = []
 arrIpList = getProxy(-1) #获取代理池全量有效代理IP
 #测试地址
 #feature = 'xxx' #目标网页的特征码, 暂时不启用
 desUrl = "http://www.baidu.com"
 for ipProxy in arrIpList:
 iRes = checkProxyIP(desUrl, ipProxy) if iRes: #Proxy验证通过
 setProxy(ipProxy, "Y") else:
 setProxy(ipProxy, "N") #失效无效代理if __name__ == '__main__': #0、爬取免费代理IP
 GrabIpProxy() #1、启动定时线程,定时测试并清洗数据库代理IP
 timer = threading.Timer(3600, CheckIpProxyTimer)
 timer.start() #2、设置定时器失效时间
 time.sleep(5)
 timer.cancel() #5秒后停止定时器,程序可一直执行

③ 、地图服务模块

#!/usr/bin/env python3# -*- coding: utf-8 -*-# Author:elideng# date: 2017-11-08from urllib.request import urlopen, quoteimport jsonfrom bs4 import BeautifulSoupimport os#根据地址获取经纬度def getlnglat(address):
 url = 'http://api.map.baidu.com/geocoder/v2/'
 output = 'json'
 ak = 'ATzU2rqfrFoQcImvG9mvGm9bxchxjLYL'
 add = quote(address) #由于本文地址变量为中文,为防止乱码,先用quote进行编码
 uri = url + '?' + 'address=' + add + '&output=' + output + '&ak=' + ak
 req = urlopen(uri)
 res = req.read().decode()
 temp = json.loads(res)
 lat=0
 lng=0
 if 0 == temp['status']:
 lat=temp['result']['location']['lat']
 lng=temp['result']['location']['lng'] return lat,lng#根据两个经纬度计算距离def getPlaceDistance():
 return 0#根据两个地点计算各类交通时间def getPlaceTime():
 return 0def drawHeatChart(date):
 file = open("data.js", "a+") #data.js
 file.seek(3) # 定位到第0行
 file.writelines(date) #写入源数据到热力图源文件
 file.close() return 0if __name__ == '__main__':
 HeatChartSrcFile = input('输入热力图源文件:') #data.js
 drawHeatChart(HeatChartSrcFile)

<!DOCTYPE html><html><head>
 <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
 <meta name="viewport" content="initial-scale=1.0, user-scalable=no" />
 <script
 src="https://code.jquery.com/jquery-3.2.1.min.js"
 integrity="sha256-hwg4gsxgFZhOsEEamdOYGBf13FyQuiTwlAQgxVSNgt4="
 crossorigin="anonymous"></script>
 <script type="text/javascript" src="http://api.map.baidu.com/api?v=2.0&ak=DD279b2a90afdf0ae7a3796787a0742e"></script>
 <script type="text/javascript" src="http://api.map.baidu.com/library/Heatmap/2.0/src/Heatmap_min.js"></script>
 <script type="text/javascript" src="./data.js"></script>
 <title>热力图功能示例</title>
 <style type="text/css">  ul,li{list-style: none;margin:0;padding:0;float:left;}  html{height:100%}  body{height:100%;margin:0px;padding:0px;font-family:"微软雅黑";}  #container{height:500px;width:100%;}  #r-result{width:100%;} </style></head><body>
 <div id="container"></div>
 <div id="r-result">
  <input type="button" onclick="openHeatmap();" value="显示热力图"/><input type="button" onclick="closeHeatmap();" value="关闭热力图"/>
 </div></body><script type="text/javascript">
 var map = new BMap.Map("container"); // 创建地图实例
 var point = new BMap.Point(114.061087, 22.528578); //自定义地图中点
 map.centerAndZoom(point, 12); // 初始化地图,设置中心点坐标和地图级别
 map.enableScrollWheelZoom(); // 允许滚轮缩放
 if(!isSupportCanvas()){
  alert('热力图目前只支持有canvas支持的浏览器,您所使用的浏览器不能使用热力图功能~')
 }
 heatmapOverlay = new BMapLib.HeatmapOverlay({"radius":20});
 map.addOverlay(heatmapOverlay); var param = {data:window.points,max:100}; //读取data.js热力源数据并生成热力图
 console.log(param);
 heatmapOverlay.setDataSet(param); //是否显示热力图
 function openHeatmap(){
 heatmapOverlay.show();
 } function closeHeatmap(){
 heatmapOverlay.hide();
 setTimeout(function(){
 location.reload();
 }, 10000)
 }
 closeHeatmap(); function setGradient(){  var gradient = {};  var colors = document.querySelectorAll("input[type='color']");
  colors = [].slice.call(colors,0);
  colors.forEach(function(ele){
   gradient[ele.getAttribute("data-key")] = ele.value;
  });
 heatmapOverlay.setOptions({"gradient":gradient});
 } //判断浏览区是否支持canvas
 function isSupportCanvas(){ var elem = document.createElement('canvas'); return !!(elem.getContext && elem.getContext('2d'));
 }</script></html>

④ 、可视化模块

#!/usr/bin/env python3# -*- coding: utf-8 -*-# function:可视化服务# Author:elideng# date: 2017-11-05import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport plotlyimport plotly.plotly as pyimport plotly.graph_objs as go
plotly.tools.set_credentials_file(username='elideng', api_key='tsc3809760')#雷达图显示房屋关注指标def drawRadarMap(chartName, arrLables, arrData, labelNum):
 #数据校验
 if labelNum < 0 or labelNum >10: return -1
 if len(arrLables) != labelNum or len(arrData) != labelNum: return -2
 #=======自己设置开始============
 #标签
 labels = np.array(arrLables) #数据
 data = np.array(arrData) #========自己设置结束============
 angles = np.linspace(0, 2*np.pi, labelNum, endpoint=False)
 data = np.concatenate((data, [data[0]])) # 闭合
 angles = np.concatenate((angles, [angles[0]])) # 闭合
 fig = plt.figure()
 ax = fig.add_subplot(111, polar=True) # polar参数!!
 ax.plot(angles, data, 'bo-', linewidth=2) # 画线
 ax.fill(angles, data, facecolor='r', alpha=0.25)# 填充
 ax.set_thetagrids(angles * 180/np.pi, labels, fontproperties="SimHei")
 ax.set_title(chartName, va='bottom', fontproperties="SimHei")
 ax.set_rlim(0,10)
 ax.grid(True)
 plt.show()#皮尔逊作图def drawPearson():
 return 0

后来买房的时候只有四个人来了,没错A太太没来,说是不想来听大家忽悠。选房的时候B先生当然更看好七个楼层更高的户型的,但考虑到房价跟内人一切磋就决定只怕选低几层的同一个户型。后来多人舒心的就交了钱把房定下来了。多少人全程有商有量的令人格外羡慕,平昔讲的互助大约就是其一长相吧。而A先生则在两旁好窝心。

2.1.3 Python教您买房类别

① 、网页观察

第③明确爬取链家网日内瓦房源,显著开地方址http://sz.lianjia.com。通过上一页和下一页完整的URL比较组装符合筛选条件的房源链接。通过chrom的开发者工具的network,并把preserve
log勾选,清空Filter后刷新网页,观望网页html代码。

② 、网页爬取

因而Python3的requests库提供的HTTP请求Get/Post通用方法模拟浏览器请求生成全数符合规则的U卡宴L放入到行列,并循环请求符合须要的房源音讯。请求响应html通过BeautifulSoup解析html,并透过find_all协作正则表明式提取到html有效数据并写入到文件待分析。

3、多线程

爬虫最终目的正是爬取到更加多符合用户供给的多少,要是单线程执行,抓取功效有限,由此爬虫要求添加二十多线程机制。四线程的兑现格局有三种,如thread,threading,multithreading,其中thread偏底层,threading对thread实行了一定打包。Python落成三十二线程的格局有三种函数或类包装。

 #多线程方式
 for i in generate_allurl(user_in_nub, user_in_city): #获取某城市
 print(i) for url in get_allurl(i):
 my_thread = threading.Thread(target=main, args=(url, arrIPList))
 my_thread.start() print(url)
 my_thread.join() print("current has %d threads" % (threading.activeCount() - 1)) #当前存活线程
 #线程池方式
 pool.map(main, [url for url in get_allurl(i)])

4、Headers设置

为回避反爬虫策略,后端请求需求效法用户平日用户从浏览器请求,由此必要添加请求头。设置方法如下:

header = {'Accept': '*/*', 'Accept-Language': 'en-US,en;q=0.8', 'Cache-Control': 'max-age=0', 'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/48.0.2564.116 Safari/537.36', 'Connection': 'keep-alive', 'Referer': 'http://www.baidu.com/'}
res = requests.get(url, headers=header)

5、Session设置

6、IP代理池

爬虫出现就诞生了反爬虫,反爬虫的出现就催生了反反爬虫,教育家黑格尔说过存在正是合理合法。因此不少技艺正是在伯仲之间中慢慢成长。链家网是有反爬虫IP封锁机制,为了防止反爬虫链接网限制爬取到越来越多数据样本帮衬与分析。因而选拔IP代理池的章程,每回请求都随意得到IP和端口访问外部网站。获取IP代理池的艺术有付费的和免费的艺术可自动网上抓取并分析。

proxies={"http":"http://10.14.36.109:8080"}res = requests.get(url, headers=header, proxies=proxies)

7、监控

爬虫抓取是3个耗费时间较长的工程,由此需求加上监察和控制,定时报告抓取进度到业务方,确认整个爬虫程序是还是不是符合规律履行。//TODO

离开B先生买房5个月后,有一天A文人墨客突然跟小编联络,问楼盘是还是不是有房子了,带太太过来看,因为老婆终于允许买房了。小编很可惜的告诉A先生前天的首付款比例上调了一成而且那期的房价在上期的基本功上上升了,要买真的要赶紧了。后来A太太就直接认为自身吃亏了,要多花钱买同3个小区的房子,遂作罢。

2.2数据解析 //TODO

大数目时期的网络爬虫爬取到有效音信,需求通过三番五次清洗、加工、总括、分析、建模等处理方式。数据解析是结合有效消息并详细钻探和总结形成定论的经过。在实用中,数据解析可支持人们作出判断,以便利用适当行动。

新兴就径直传闻A先生跟老伴各处去看房屋了,贵的买不起,便宜的看不上。就那样一边失落着一边望着。

2.2.1 柏林购房词云分析

轶事链家爬取样3199条待售房源,购买销售二手房产大家最关系的参数指标词云图。如图所示大家最关切的满五牛,户型方正等。在购房的的时候我们能够按此词云图详细摸底各类供给我们关注的参数指标,心有成竹。

manbetx手机网页版 7

 

#词云图def drawWordCloud(fileName):

d = path.dirname(__file__) # Read the whole text.

text = open(path.join(d, fileName), encoding=’utf-8′).read() # Generate
a word cloud image 汉语必须内定地点汉语编码

wordcloud = WordCloud(font_path=”C:WindowsFontssimsun.ttc”, width=2400,
height=1800).generate(text) # Display the generated image:

plt.imshow(wordcloud)

plt.axis(“off”) # lower max_font_size

wordcloud = WordCloud(max_font_size=40).generate(text)

plt.figure()

plt.imshow(wordcloud)

plt.axis(“off”)

plt.show()

再有对客户有过之而无比不上,也是学子先来看的房舍,觉得各方面都极度就决定要买,第②带太太过来看,可那太太挑三拣四的就是不甘于买房,动不动还扯出之前生活中的争辩来说,搞的五个人在售楼部就吵起来了,后边丢下一句不买了就回去了。过了三个礼拜几人又来了,说要买可是那时他俩看的那套没有了,有别的楼层相同的户型的实际上也一样,太太正是绝不还非说是决定了跟她没缘,有钱还怕买不到房子就走了。后来据他们说依然回家里盖了栋房屋。

2.2.2 布拉迪斯拉发房源维度分析

河内房源按多维度分析成交量/成交价趋势和Pearson全面分析;放盘量和反叛价分析;房源内部参数(如2.1.1)量化分析,住房来源外部参数量化分析等格局。最后解释大家购房时相比较关切难点如怎么买的敬仰的好房,曾几何时是买房最佳的机会等。

manbetx手机网页版 8

 

家常便饭时候买房是个空子,不管刚需依旧投资都是,遭受合适的就要坚决的打下才不至于懊悔。希望每一种人都能正确过。

2.2.3 布拉迪斯拉发房源数据模型

manbetx手机网页版 9

 

2.2.4 尼科西亚房源均价热力模型

如图展现费城温哥华房源均价热力模型。//TODO 待分析

manbetx手机网页版 10

 

2.2.5 深圳房源均价涨速热力模型

//TODO
明显涨速最快,最具投资价值的区域,数据出自官网布拉迪斯拉发房土地资金财产新闻体系:http://ris.szpl.gov.cn/default.aspx

2.2.6 卡拉奇房源成交量热力模型

//TODO

2.2.7 卡萨布兰卡房源成交量热力模型

2.2.8 费城房源成交量和成交价Pearson周详

//TODO
总括皮尔逊周全,显明量价比关系,确认深圳房源当前景观和预测接下去大概的情形(有价有市,有市无价,有价无市),判断当前是或不是改上车。

2.2.9 深圳房子内部指数量化雷达图模型

柏林房屋雷达图分析,程序首先会爬取到海量河内待售的房产音讯,等级差=(最高值-最低值)/10的章程把均价,实际使用率,梯户比例,楼层,楼间距等指标划分10等分,然后用户输入自身心仪的房屋,程序将计算改房子的目标在海量房产中的雷达地方,帮助用户火速精通心仪房产的参数配置。效果图如下:

manbetx手机网页版 11

 

#雷达图显示房屋关注指标def drawRadarMap(chartName, arrLables, arrData, labelNum):
 #数据校验
 if labelNum < 0 or labelNum >10: return -1
 if len(arrLables) != labelNum or len(arrData) != labelNum: return -2
 #=======自己设置开始============
 #标签
 labels = np.array(arrLables) #数据
 data = np.array(arrData) #========自己设置结束============
 angles = np.linspace(0, 2*np.pi, labelNum, endpoint=False)
 data = np.concatenate((data, [data[0]])) # 闭合
 angles = np.concatenate((angles, [angles[0]])) # 闭合
 fig = plt.figure()
 ax = fig.add_subplot(111, polar=True) # polar参数!!
 ax.plot(angles, data, 'bo-', linewidth=2) # 画线
 ax.fill(angles, data, facecolor='r', alpha=0.25)# 填充
 ax.set_thetagrids(angles * 180/np.pi, labels, fontproperties="SimHei")
 ax.set_title(chartName, va='bottom', fontproperties="SimHei")
 ax.set_rlim(0,10)
 ax.grid(True)
 plt.show()

2.2.10 温哥华房子外部指数量化雷达图模型

//TODO 量化外部指标参数(学位,大巴距离,公共交通具体,公园分布,商圈等)

就此,还不会Python的,想买房的,神速来上学了!限时抢购哦!

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图