项目简介：以链家公开的上海租房数据（house_rent.csv，约 41 万条）与售房数据（house_sell.csv，约 32 万条）为数据源，围绕「影响房价的因素是什么」这一问题，在数据清洗与小区聚合的基础上构建每平米月租金、每平米房价、售租比三大可比指标，通过直方图、箱线图与 QGIS 空间可视化，观察价格在上海市域范围内的分布规律。
数据与工具：2018 年链家上海租房/售房公开数据快照（GBK 编码原始 CSV），字段含标题、小区、行政区、价格、面积、经纬度等；Python 3 · pandas / numpy / matplotlib / streamlit，空间分析辅助 QGIS（行政区划、道路、人口等 shapefile）。
成果：构建小区粒度的三大标准化指标与售租比分析框架，输出房价/租金/售租比三张空间分布图，并配套 Streamlit 交互式看板（数据概览 / 小区指标 / 分布分析 / 空间地图）。
一、项目背景
房价是城市经济与民生最受关注的话题之一。本项目以链家公开的上海租房与售房数据为样本，尝试回答「哪些因素在影响房价、不同区域的价格差异有多大」。由于原始记录的价格与面积口径不一致，直接比较不同房源并不公平，因此项目以「小区」为分析单元，构建每平米口径的标准化指标，再叠加行政区与空间维度，把价格的分布规律落到地图上。
二、数据与预处理
- 数据来源：链家上海租房数据约 41 万条、售房数据约 32 万条（2018 年采集快照）。
- 原始字段：租房含标题 / 小区 / 行政区 / 价格 / 面积 / 经纬度；售房含小区 / 行政区 / 总价 / 面积 / 挂牌均价 / 经纬度。
- 处理要点：读取 GBK 编码原始 CSV 并兼容少量脏字节，删除价格、面积、经纬度缺失或非正的记录，保证样本有效。
三、核心指标定义
| 指标 | 计算方式 | 含义 |
|---|---|---|
每平米月租金 rent_area |
月租金 ÷ 面积 | 单位：元/㎡/月 |
每平米房价 average_price |
房源挂牌均价 | 单位：元/㎡ |
售租比 sell_rent_ratio |
每平米房价 ÷ 每平米月租金 | 房价相对租金的回收月数 |
1 | # 核心计算逻辑（streamlit_app.py 摘要） |
售租比是衡量「买房 vs 租房」经济性的关键指标：数值越大，说明房价相对租金越贵、投资回收期越长；结合行政区维度对比，可以直观识别价格偏离明显的区域。
四、分析流程
- 数据加载与清洗：读取原始 CSV，剔除价格 / 面积 / 经纬度缺失或非正的记录。
- 小区指标汇总：以小区为粒度取均值，合并租售数据，计算三大核心指标。
- 分布与对比分析：直方图观察整体分布，按行政区箱线图对比区域差异（截断极端值仅用于绘图展示）。
- 空间分布可视化：基于经纬度绘制上海地图散点，结合 QGIS 行政区 / 道路 / 人口数据做地理叠加分析。
五、空间分布可视化
三张分布图分别展示上海市域范围内房价、租金与售租比的空间分布，颜色由蓝到红代表数值由低到高，可直观看到核心城区与外围区域的梯度差异。
- 房价空间分布：每平米房价的空间梯度，高值集中于中心城区及优质板块。
- 租金空间分布：每平米月租金的分布情况，反映居住需求与租赁市场的空间格局。
- 售租比空间分布：房价相对租金的偏离程度，识别估值偏高或偏低区域。
六、交互式分析应用（Streamlit）
项目内置 Streamlit 交互看板，无需修改代码即可完成探索：
| 模块 | 功能 |
|---|---|
| 📊 数据概览 | 租售数据规模、字段结构、清洗规则与数据样例 |
| 🏘️ 小区指标 | 按售租比 / 租金 / 房价排序查看小区 Top N，支持模糊搜索 |
| 📈 分布 + 🗺️ 地图 | 直方图、区域箱线图与交互地图联动，自由切换着色指标、筛选行政区 |
1 | # 启动交互式应用（需与数据文件位于同一目录） |
七、项目结构
| 文件 / 目录 | 说明 |
|---|---|
house_rent.csv |
上海租房数据（约 41 万条） |
house_sell.csv |
上海售房数据（约 32 万条） |
房价影响因素挖掘.ipynb |
完整分析流程：清洗、指标构建、分布分析与空间可视化 |
streamlit_app.py |
Streamlit 交互式分析应用 |
qgis数据/ |
QGIS 空间分析中间数据（行政区划、道路、人口等 shapefile） |
p01 ~ p03 *.png |
房价 / 租金 / 售租比空间分布图输出 |
index.html |
项目展示主页 |
