[房产交易数据分析]（3）数说南京新政的影响

0. 简介

前天（10-14）看到新浪头版之中有一条新闻《政策泼冷水南京楼市成交量现“断崖式下降”》非常兴奋：我的手里面正好有这样的数据，正好来验证一下新闻的说法是否属实。

数据来源就是南京网上房地产网，相应的爬虫程序在上一篇文章之中已有说明。可以直接到GitHub上来看。

文章来源：http://www.flyml.net/2016/10/16/house-stat-nanjing-policy-impact/

1. 搭建Zeppelin来做数据展示

笔者之前主要使用Zeppelin来做数据分析的相关工作，对于一些需求不那么复杂的使用场景，Zeppelin完全足够啦。

关于如何搭建一个Zeppelin平台以及如何关联MySQL，可以查看之前的文章：《Zeppelin 小试牛刀 – 使用Zeppelin展示MySQL的数据》。在此就不再啰嗦啦～

如果你还没有爬取相关的历史数据，可以到这里下载我爬的数据：【点击下载】

上面的前期准备工作完成之后，我们就可以实际的开展工作啦~

文章来源：http://www.flyml.net/2016/10/16/house-stat-nanjing-policy-impact/

2. 成交量数据显示

因为我们的数据类似Streaming Data (流式数据)，并且官网数据是按天累积，因此我们一个比较粗略的方式就是直接计算每天的max值。同时，因为输入的时间是时间戳（timestamp），此时可以借用MySQL自带的date函数将时间戳转换成日期。

最后的SQL如下：

select 
  Date(update_time), 
  max(deal_unit) as final_deal_unit, 
  max(new_pub_2nd_house_unit)  
from njhouse_simple_summary 
group by Date(update_time)

select

Date(update_time),

max(deal_unit) as final_deal_unit,

max(new_pub_2nd_house_unit)

from njhouse_simple_summary

group by Date(update_time)

在Zeppelin里面使用折线图显示，效果如下：

颜色稍微粗一些的是房产的真实交易数据，颜色浅一些的是新公布出来的存量房（二手房）数量。

从上面的图我们可以看到：国庆之后，交易数量不断的上升，但是从10号开始，交易数量就不断不断的往下跌啦。

但是在这个图之中，我们其实还没有加入新政的因素。

文章来源：http://www.flyml.net/2016/10/16/house-stat-nanjing-policy-impact/

3. 增加新政元素

我其实不知道新政首先会在哪里发布，同时会不会在发布之前就有内部消息出来。

数据来源还是上面提到的《南京网上房地产网》，具体页面：http://www.njhouse.com.cn/news/news_more_clx.php?c=2

但是这个不光是政策，还包括新闻~

哎，只能手动的添加一些数据啦。

为了简单起见，笔者很low的用了QQ截图工具，直接在上面的图做出了新政发布的标注。

效果如下：

紫红色标注出来的线条就是新政发布的时间。

10-03：房屋交易管理与不动产登记有关事项的告示
10-05：市政府办公厅关于进一步加大我市房地产市场调控力度的通知
10-08：关于开具购房证明的补充规定

可以看到，

(1) 前两次新政，也不知道是不是算是之前房市的利好，成交量跟存量房的供应量都大幅上涨，

(2)但是8号的新政出来之后，成交量跟存量房的供应量在2天之后都应声下落，特别是成交量的数据，下降幅度确实非常厉害。

所以说这次新闻提到的“断崖式下跌”并没有夸张太多。

文章来源：http://www.flyml.net/2016/10/16/house-stat-nanjing-policy-impact/

4. 各区县的情况

如果您有看过这些政策文件，你可能会记得在《市政府办公厅关于进一步加大我市房地产市场调控力度的通知》里面提到的一句非常重要的话：“进一步加大主城区（不含六合区、溧水区、高淳区）房地产市场调控力度”。也就是说，这一次的调控，实际上是将主城区的资金、投资客往郊区赶。

那我们也通过数据展示的方式来看看这个政策的力度如何吧。

数据来源页面：http://www.njhouse.com.cn/index.php 需要解析下面的表格：

PS：想全部把数据解析出来还真的也是一个体力活啊 T_T 想做一条数据狗也是很不容易的！

因为我们需要根据第二天的数据来减掉第一天的数据，因此纯SQL我感觉已经有点吃力了。转而采用Python + Pandas 在zeppelin上面操作。

代码如下：

%python
import MySQLdb
import pandas as pd

cfg = {
    'db_host':'1.2.3.4',
    'db_username': 'xxxx',
    'db_pass': 'yyyy',
    'db_name': 'flyml_house_stat',    
}

conn = MySQLdb.connect(cfg['db_host'], cfg['db_username'], cfg['db_pass'], cfg['db_name'])
conn.set_character_set('utf8')

sql = 'SELECT date(update_time) as date , district, value from njhouse_yearly_deal_stat where category = "住宅" and type="商品房" and `column` = "成交（套）" and `district` != "全市" group by DATE(update_time), district'

df = pd.read_sql(sql, conn)


new_row_list = []
step = 11
for i in range(step, df.shape[0]) :
    data_dict = {}
    data_dict['date'] = df.iloc[i-step]['date']
    data_dict['district'] = df.iloc[i]['district']
    data_dict['sold_value'] = int(df.iloc[i]['value']) - int(df.iloc[i-step]['value'])
    new_row_list.append(data_dict)

df = pd.DataFrame(new_row_list)


z.show(df)


conn.close()

%python

import MySQLdb

import pandas as pd

cfg = {

'db_host':'1.2.3.4',

'db_username': 'xxxx',

'db_pass': 'yyyy',

'db_name': 'flyml_house_stat',

}

conn = MySQLdb.connect(cfg['db_host'], cfg['db_username'], cfg['db_pass'], cfg['db_name'])

conn.set_character_set('utf8')

sql = 'SELECT date(update_time) as date , district, value from njhouse_yearly_deal_stat where category = "住宅" and type="商品房" and `column` = "成交（套）" and `district` != "全市" group by DATE(update_time), district'

df = pd.read_sql(sql, conn)

new_row_list = []

step = 11

for i in range(step, df.shape[0]) :

data_dict = {}

data_dict['date'] = df.iloc[i-step]['date']

data_dict['district'] = df.iloc[i]['district']

data_dict['sold_value'] = int(df.iloc[i]['value']) - int(df.iloc[i-step]['value'])

new_row_list.append(data_dict)

df = pd.DataFrame(new_row_list)

z.show(df)

conn.close()

不想看代码的直接看结果吧：

数据解读：

从10-10开始，主城区的成交量都在下跌，特别是玄武区
10-11那一天，溧水的成交量也大幅下跌~ 说明之前溧水也是投资热点！
到了10-12，溧水、六合、高淳、栖霞占据了前4
有意思的是10-12这一天，江宁的数据是-8！是不是说反悔在江宁购买的人比较多？
在往后面看， 各个区县的成交量都在大幅萎缩，除了溧水！

5. 展望未来

根据上面的数据展示，以及新发布的政策来看，至少在南京主城区投资房产，风险已经极大的增加。最近反而是溧水去买房的资金比较多。

接下来我们其实还有一些问题需要解答，比如：

资金是否跑到其他二线还是已经转战三线城市？
目前风口向下的情况，房价是否应声而跌？

非常可惜，目前笔者手上还只有成交量的数据，并且还只爬取了南京。目前掌握的数据并不能支撑上面问题的分析。笔者还会继续想办法，尝试通过数据来解答这两个问题以及其他房市、资金、经济相关问题

敬请关注FlyML.net ^_^

文章来源：http://www.flyml.net/2016/10/16/house-stat-nanjing-policy-impact/

本文为原创文章，转载需注明出处： www.flyml.net

本作品采用知识共享署名 4.0 国际许可协议进行许可

[房产交易数据分析]（3） 数说南京新政的影响

0. 简介

1. 搭建Zeppelin来做数据展示

2. 成交量数据显示

3. 增加新政元素

4. 各区县的情况

5. 展望未来

文章评论

[房产交易数据分析]（3）数说南京新政的影响