菜单

买房?不买?

2019年4月5日 - Php

1、Python基础

Python是1种面向对象、解释型自由语言,语法简洁清晰、基础代码库丰硕,覆盖互连网、文件、GUI、数据库、文本等世界。并能和别的主流语言交流扶助制作。Python首要分为Cpython、Jpython、IronPython、PyPy等。解释型语言可移植行好,然则运维速度未有编写翻译型语言,其次解释型语言源码不能像编写翻译型那样编译成二进制串加密。

图片 1

 

司空眼惯时候大家都认为有个别失去是因为当时的尺码分化意恐怕是外因的打扰,但深究下去就会发觉拥有的结果都是缘于大家内心深处的选料。失去与收获都以一槌定音的。

1.1.2 Linux

设置Python叁.x.x,通过pip安装须要的第3方库。


1.2 Python库

Python为开发者提供丰裕代码库,开发者从不会从零开头开发,基础功效基本已经有现成的多谋善算者的框架或库辅助,由此小幅的晋级开发者的付出功效和增强代码健壮性。

图片 2

 

Python很不难学!小编有弄1个沟通,互问互答,财富共享的交流学习营地,即便你也是Python的学习者可能大拿都迎接您来!㪊:54八+37七+87伍!一起
学习共同升高!

图片 3

 

麦纳麦房价回升,但也阻止不住祖国内地人民来尼科西亚买房的私欲。深圳房价动辄几百万,程序猿那种动物想在柏林平静压力山大。所以买房必然是人生1主要决定,必须货比3家。当前种种房产中介,各个开发商,各个楼盘。消息多到大家无能为力了然。因而程序猿就必要选择标准的优势通过1些措施获取有效数据,分析筛选最优良的房源。

A先生最早来楼盘看的房子,本地人首套房刚需客户。楼盘属于刚(Yu-Gang)开发的区域广阔的配套不是那么完美,但价格是一体区域最利于的,再者学校跟医院菜市场这一个基本的活着配套还是有,且离的挺近的。刚好当时的购房政策能够首付两成,所以整个都正好好。A先生娱心悦指标说回家跟爱妻说,等开盘就来定房。

二.1.一 Python教您买房维度指标种类

Python教你买房首先大家供给确定大家购房时最关注的维度体系和目的种类。关心重要维度和主要指标种类如图所示:

图片 4

 

Python教你买房,分为数据爬虫和大数据解析。首先通过爬虫格局赢获得贝鲁特房产交易网成功交易量和交易价格并搜查缉获尼科西亚房价的方向,得到最合适的购房时间段,确认最好的上车时间。然后爬取链家网数据并按用户关怀维度深度剖析帅选得出适宜的房屋,做好全方位上车的备选。

图片 5

 

过了一个多星期A先生重新卷土重来售楼部,这一次除开带了太太外还带了情人B先生跟太太。在询问项指标主干气象的时候,B先生跟老婆时不时的会用家长途电话聊几句,基本都是商量地点合不适合,他们的钱够不够付首付,小孩上学是或不是有利于类似的标题。A先生因为事先来过比较领悟情形,有时候也会给他两介绍下。两家推断平时的关系都挺好的,后来坐下来聊的挺欢的,从老家的房屋到现行反革命的娃上学的事都聊了个遍,后来聊起买房的事,一贯没怎么说话的A太太终于打开了话匣子:“大家家老A平昔就不是有钱的命,从成婚到后天怎么着不是靠的大家团结啊,这么些你们也晓得家里根本靠不上。以往看到大家都到城里来买房了就也眼红了,那天回去就跟本身说哪哪的房屋多少钱1平,要不大家也买到1套来,反正本人是认为今后买不可相信,家里还两娃娃正要开销的时候,二零一七年大的就要上高级中学了,那手里不能没点钱吗。而且那房子这么长年累月了哪有老是涨的道理啊,哪有那么多个人要买房子的,还不是被她们炒起来的。”A先生刚想出口太太3个白眼瞪过来也不吱声了,临走的时候B太太主动加了本人的微信跟要了联系方式说是回去想起有哪些不懂的再来问笔者。

贰.一.2 Python教您买房框架

Python教您买房框架,重要分为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。主程序为第壹运维代理IP模块,抓取带来IP并透过测试可用代理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。主程序通过代理服务走访并抓取外部网页的卓有成效新闻并在主程序模块通晓习HTML并写入到当地文件。主程序会调用地图服务获得经纬度音讯,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应用。

图片 6

 

一、主服务模块

主程块通过Api提须要前端用户登录和获取用户交互输入,通过参数解析获取获得用户的要求组装请求,获取代理IP转载呼吁到对象地点获取目的数据,重返数据经过html解析获得管用数据写入到文件地图服务和可视化服务生产自身的图样报表,辅佐得出Python教您买房的数目支持。

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

三、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>

四、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

新生买房的时候只有2个人来了,没有错A太太没来,说是不想来听我们忽悠。选房的时候B先生当然更看好1个大楼越来越高的户型的,但思考到房价跟老婆一商量就决定大概选低几层的同1个户型。后来五人美观的就交了钱把房定下来了。几人全程有商有量的让人不胜羡慕,一贯讲的互济大致正是其1样子吧。而A先生则在两旁好郁闷。

二.1.3 Python教你买房种类

一、网页旁观

第三分明爬取链家网温哥华房源,鲜明开地方址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,观看网页html代码。

2、网页爬取

因此Python三的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奥迪Q5L放入到行列,并循环请求符合必要的住房来源音信。请求响应html通过BeautifulSoup解析html,并因此find_all合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

爬虫最后指标正是爬取到越多符合用户供给的数目,假诺单线程执行,抓取作用有限,因而爬虫供给加上二十多线程机制。十二线程的兑现格局有三种,如thread,threading,multithreading,在那之中thread偏底层,threading对thread实行了必然打包。Python达成二10二十四线程的秘籍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

为躲避反爬虫策略,后端请求须要效法用户平常用户从浏览器请求,由此须要添加请求头。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,反爬虫的产出就催生了反反爬虫,思想家黑格尔说过存在正是有理。因而不少技术正是在伯仲之间中渐渐成长。链家网是有反爬虫IP封锁机制,为了防患反爬虫链接网限制爬取到更加多多少样本支持与分析。因而使用IP代理池的格局,每便请求都随意得到IP和端口访问外部网址。获取IP代理池的法子有付费的和免费的办法可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

爬虫抓取是二个耗费时间较长的工程,因而供给添加监察和控制,定时报告抓取进程到业务方,确认整个爬虫程序是还是不是健康执行。//TODO

离开B先生买房7个月后,有壹天A文人突然跟作者联系,问楼盘是不是有房屋了,带太太过来看,因为爱人终于允许买房了。小编很惋惜的告诉A先生今日的首付款比例上调了1/10而且那期的房价在上期的功底上上升了,要买真的要赶紧了。后来A太太就一直觉得本人吃亏了,要多花钱买同1个小区的房舍,遂作罢。

贰.二数码解析 //TODO

大数量时期的网络爬虫爬取到有效消息,须要通过反复清洗、加工、总结、分析、建立模型等处理格局。数据解析是结合有效消息并详细钻探和回顾形成定论的进度。在实用中,数据解析可帮衬人们作出判断,以便利用方便行动。

新兴就径直听他们说A先生跟爱妻随地去看房屋了,贵的买不起,便宜的看不上。就这样1边丧气着一面望着。

二.二.一 布Rees班购房词云分析

根据链家爬取样319玖条待售房源,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5牛,户型方正等。在购房的的时候大家能够按此词云图详细理解各类必要我们关怀的参数目标,心有成竹。

图片 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 普通话必须钦点地点普通话编码

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不比,也是知识分子先来看的房屋,觉得外市点都方便就控制要买,第三带太太过来看,可那太太挑三拣四的正是不乐意买房,动不动还扯出从前生活中的争持来说,搞的多少人在售楼部就吵起来了,后边丢下一句不买了就回来了。过了三个星期多个人又来了,说要买不过那时他们看的那套未有了,有其余楼层相同的户型的莫过于也如出一辙,太太正是绝不还非说是决定了跟他没缘,有钱还怕买不到房子就走了。后来听说依旧回家里盖了栋房子。

二.2.二 深圳房源维度分析

卡萨布兰卡房源按多维度分析成交量/成交价趋势和Pearson周详分析;放盘量和反叛价分析;房源内部参数(如二.1.一)量化分析,房源外部参数量化分析等措施。末精通释我们购房时相比较关切难题如怎么买的景仰的好房,哪天是买房最棒的时机等。

图片 8

 

众多时候买房是个机遇,不管刚需依然投资都以,碰着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。

二.2.三 阿布扎比房源数据模型

图片 9

 

贰.二.4 费城房源均价热力模型

如图呈现卡拉奇卡萨布兰卡住房来源均价热力模型。//TODO 待分析

图片 10

 

二.二.伍 蒙得维的亚房源均价涨速热力模型

//TODO
鲜明涨速最快,最具投资价值的区域,数据来源于官网蒙得维的亚房土地资金财产新闻种类:http://ris.szpl.gov.cn/default.aspx

二.贰.陆 布里斯班房源成交量热力模型

//TODO

二.2.7 布Rees班房源成交量热力模型

二.二.八 卡拉奇房源成交量和成交价Pearson周详

//TODO
总计Pearson周全,分明量价比关系,确认布Rees班房源当前状态和展望接下去或许的景色(有价有市,有市无价,有价无市),判断当前是还是不是改上车。

二.二.九 阿布扎比房子里面指数量化雷达图模型

布拉迪斯拉发房屋雷达图分析,程序首先会爬取到海量布里斯班待售的房产音信,等级差=(最高值-最低值)/十的措施把均价,实际使用率,梯户比例,楼层,楼间距等目的划分10等分,然后用户输入本人向往的房舍,程序将总计改房子的指标在海量房产中的雷达地点,补助用户飞快理解心仪房产的参数配置。效果图如下:

图片 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()

贰.2.10 布拉迪斯拉发房屋外部指数量化雷达图模型

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

所以,还不会Python的,想买房的,飞快来上学了!限时抢购哦!

相关文章

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