运用Python来帮姑妈买房!Python“买”房比其自己购置便宜二十万

1、Python基础

Python是一模一样种植面向对象、解释型自由语言,语法简洁清晰、基础代码库丰富,覆盖网、文件、GUI、数据库、文本等世界。并能与其他主流语言沟通协助制作。Python主要分为Cpython、Jpython、IronPython、PyPy等。解释型语言可移栽行好,但是运行速度小编译型语言,其次解释型语言源码无法像编译型那样编译成二前行制串加密。

manbetx手机网页版 1

 

多时候我们还以为有些失去是为当时底口径不允或者是外因的扰乱,但深究下去就会见意识装有的结果都是发源我们内心深处的挑。失去与取都是一锤定音之。

1.1.2 Linux

安装Python3.x.x,通过pip安装需要之老三方库。


1.2 Python库

Python为开发者提供丰富代码库,开发者从不会从零开始开发,基础力量基本已起备的秋的框架或库支持,因此大的晋级开发者的支付效率与提高代码健壮性。

manbetx手机网页版 2

 

Python很容易模仿!小编有抓一个交流,互问互答,资源共享的交流学习基地,如果你为是Python的学人或者大牛都接您来!㪊:548+377+875!一起
学习共同进步!

manbetx手机网页版 3

 

深圳房价飞涨,但也阻碍不了祖国各地人民来深圳买房的欲念。深圳房价动辄几百万,程序猿这种动物想在深圳安宁压力山大。所以买房必然是人生一样重要决定,必须货比三家。当前各种房产中介,各种开发商,各种楼盘。信息多届我们鞭长莫及控制。因此先后猿就需以专业的优势通过有些方法得到有效数据,分析筛选最妙之房源。

A先生最好早来楼盘看之房子,本地人口首模拟房刚需客户。楼盘属于刚开之区域周边的配套不是那到,但价格是任何区域最利于的,再者学校以及医院菜市场这些核心的存配套要出,且距离的挺近的。刚好当时之购房政策好首付两改成,所以一切都正好。A先生兴高采烈的说回家跟老伴说,等开盘便来定房。

2.1.1 Python教您买房维度指标体系

Python教你买房首先我们要规定我们购房时最为关注之维度体系暨指标体系。关注重要维度与根本指标体系如图所示:

manbetx手机网页版 4

 

Python教你买房,分为数据爬虫和怪数额解析。首先通过爬虫方式获得到深圳房产交易网中标交易量和交易价格并查获深圳房价的倾向,得到最好适用的购房时段,确认最佳的上车时间。然后爬取链家网数据并仍用户关心维度深度解析帅选得出适宜的房舍,做好全方位上车的备选。

manbetx手机网页版 5

 

过了一个几近星期A先生再恢复售楼部,这次除开带了最好太外还带了情侣B先生与女人。在摸底项目之核心情况的时光,B先生及太太时不时的会晤因此家长话聊几句子,基本都是说道位置并不合适,他们之钱够不敷付首付,小孩上学是否便利类似之题材。A先生因之前来过比较了解情况,有时候也会受他简单介绍下。两小量平时之关联都十分好之,后来为下来聊的挺欢的,从老家的屋宇到本的娃上学的从业还聊了只百分之百,后来聊到买房的转业,一直没怎么说话的A太极端终于打开了谈匣子:“我们小老A向就不是生钱之命令,从结婚到今啊不是据的我们好什么,这个你们吗了解妻子根本依靠不达。现在瞧大家都交城里来买房了即也眼红了,那天回到就算跟自己说啊哪的房屋小钱一一模一样,要无我们啊请到同模拟来,反正我是看现在打无负谱,家里还有限小孩子刚使花的时光,明年死的即设达标高中了,这手里不可知无接触钱吧。而且就房子这么长年累月了呀有镇是水涨船高的道理啊,哪起那基本上人口若请房子的,还无是吃她们炒起来的。”A先生刚想出口太太一个白眼瞪过来吗未吱声了,临走的时B太绝积极加了自我之微信跟要了联系方式说是回去想起有什么不知晓的更来咨询我。

2.1.2 Python教你买房框架

Python教而买房框架,主要分为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、目标页面模块等。主程序为率先启动代理IP模块,抓取带来IP并经过测试可用代理IP存入到代理池,定时线程定时清洗带来并把无效的带来IP剔除出代理池,代理IP模块并提供外部API获取代理IP。主程序通过代理服务看并抓取外部网页的行信息并于主程序模块理解习HTML并写副到地面文件。主程序会调用地图服务得经纬度信息,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

 

1、主服务模块

主程块通过Api提供给前端用户登录以及博用户交互输入,通过参数解析获取得到用户的需组装请求,获取代理IP转发呼吁到对象地点获取目标数,返回数据经过html解析得到中数据写入到文件地图服务及可视化服务生产自己之图片报表,辅佐得出Python教而买房的数据支撑。

2、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

新生买房的时刻只来3个人来了,没错A太太没来,说是不思量来听我们忽悠。选房的时光B先生自更看好一个楼堂馆所更胜之户型的,但考虑到房价和家里一样商量就决定或选低几交汇的同一个户型。后来少于独人口清爽的就算到了钱拿房定下来了。两单人口全程有商有量的叫丁挺羡慕,一直称的互助大概就是是者长相吧。而A先生虽以旁好窝心。

2.1.3 Python教您买房系列

1、网页观察

先是确定爬取链家网深圳房源,确定开场地址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,观察网页html代码。

2、网页爬取

通过Python3底requests库提供的HTTP请求Get/Post通用方模拟浏览器请求生成有符合规则之URL放入到行列,并循环请求符合要求的房源信息。请求响应html通过BeautifulSoup解析html,并通过find_all配合正则表达式提取及html有效数据并写副到文件要分析。

3、多线程

爬虫最终目标就是爬取到再也多可用户需求的数目,如果单线程执行,抓取效率有限,因此爬虫需要加上多线程机制。多线程的实现方式产生多,如thread,threading,multithreading,其中thread偏底层,threading对thread进行了定打包。Python实现多线程的法有点儿种植函数或近似包装。

 #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

啊躲避反爬虫策略,后端请求需要效法用户正常用户从浏览器请求,因此需要续加请求头。设置方式如下:

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

爬虫出现就出生了反倒爬虫,反爬虫的产出就催生了反反爬虫,哲学家黑格尔说过在就是是理所当然。因此不少艺就是于伯仲之间中日益成长。链家网是发出相反爬虫IP封锁机制,为了防止反爬虫链接网限制爬取到再次多多少样本帮助与析。因此利用IP代理池的艺术,每次要都随意获得IP和端口访问外部网站。获取IP代理池的方式来付费的与免费之方法而机关网上抓取并分析。

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

7、监控

爬虫抓到手是一个耗时于丰富之工,因此要加上监控,定时报告抓取进度及业务方,确认整个爬虫程序是否正常执行。//TODO

离开B先生买房半年后,有一天A知识分子突然和自家关系,问楼盘是否出房子了,带顶极端过来看,因为内终于允许买房了。我死去活来惋惜之告诉A先生今天之首付款比例上调了同样改成又这期的房价在上期的功底及上涨了,要置真如赶紧了。后来A太绝就一直以为好吃亏了,要多花钱买进以及一个小区的房,遂作罢。

2.2数目解析 //TODO

那个数量时代之网络爬虫爬取到中信息,需要经多次清洗、加工、统计、分析、建模等拍卖方法。数据解析是整合中信息并详尽研究及包形成结论的历程。在实用中,数据解析可帮人们作出判断,以便利用适度行动。

新兴就算直传闻A先生以及女人到处去看房屋了,贵的购入无从,便宜的圈不达。就如此一边懊恼着一边看在。

2.2.1 深圳购房词云分析

依据链家爬取样3199漫漫待售房源,买卖二手房产我们最好关系之参数指标词云图。如图所示我们最为关切的满五牛,户型方正等。在购房的底时我们得以依照这个词云图详细摸底每个需要我们关心的参数指标,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 中文必须指定地方中文编码

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()

再有针对性客户有过之而无不及,也是文人先来拘禁之房舍,觉得每地方还适合就决定要请,第二牵动顶极端过来看,可马上绝绝挑三拣四的尽管是勿情愿买房,动不动还扯出以前生活被之抵触来说,搞的一定量单人口在售楼部就吵起来了,后面丢下同样词不进了便回去了。过了少于个周末两单人口同时来了,说而进可是那时她们看的那么套没有了,有别的楼层相同之户型的实际上为一致,太太就是永不还非说是定局了同其没缘,有钱还害怕买不顶房子就活动了。后来听说要回家里以了所房屋。

2.2.2 深圳房源维度分析

深圳房源按多维度分析成交量/成交价趋势及皮尔逊系数分析;放盘量和反叛价分析;房源内部参数(如2.1.1)量化分析,房源外部参数量化分析等措施。最终解释我们购房时比较关心问题如果怎么买的敬仰之好房,何时是买房最好的会等。

manbetx手机网页版 8

 

广大上买房是个空子,不管刚得还是投资还是,遇到合适的就要坚决的攻克才不至于懊悔。希望每个人犹能够是了。

2.2.3 深圳房源数据模型

manbetx手机网页版 9

 

2.2.4 深圳房源均价热力模型

苟图展示深圳深圳房源均价热力模型。//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
确定涨速最抢,最具有投资价值的区域,数据出自官网深圳房地产信息体系:http://ris.szpl.gov.cn/default.aspx

2.2.6 深圳房源成交量热力模型

//TODO

2.2.7 深圳房源成交量热力模型

2.2.8 深圳房源成交量与成交价皮尔逊系数

//TODO
计算皮尔逊系数,确定量价比干,确认深圳房源当前状态和预测接下可能的状况(有价有市,有进无价,有价无市),判断当前是不是变动上车。

2.2.9 深圳房子中指数量化雷达图模型

深圳房雷达图分析,程序首先会爬取到海量深圳待售的房产信息,等级差=(最高值-最低值)/10之方拿均价,实际使用率,梯户比例,楼层,楼间距等指标分10顶分,然后用户输入自己向往之房子,程序用计改变房子的指标在海量房产被的雷达位置,帮助用户快速了解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 深圳房子外部指数量化雷达图模型

//TODO 量化外部指标参数(学位,地铁去,公交具体,公园分布,商圈等)

故此,还非见面Python的,想买房的,赶快来读了!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