無錫網路房源租賃市場數據分析報告

前言

無錫，地處長三角平原，是江蘇省內重要的經濟文化名城，「宜居」是許多人給這座城市打上的標籤，為了吸引各地人才來錫發展置業，很早便實行了大學生租房補貼政策，前不久更是取消了購房60平米落戶，實行租賃住宅落戶政策。

本文爬取了X居客100頁租房房源信息（數據信息截至2017-9-13日），涵蓋無錫5個市屬轄區，對無錫網路房源租賃市場進行一個簡要的數據分析和數據建模，紕漏不足之處感謝各位指出，另外謝謝各位的點贊關注支持。

正文

本文使用rvest包爬取相關數據，數據清洗、分析處理、可視化、建模工作主要使用工具為R下的data.table、dplyr、ggplot2、ggthemes、stringr、gridExtra、randomForest等包，加上Excel工具輔助，重點關注內容為房源各項基本情況及租金影響因素，一共分為房源數據信息展示、租金影響因素、隨機森林模型（嘗試性探索）、總結四個部分。

先看看獲取的欄位信息：小區名、租房類型、戶型、房源所在樓層、總樓層、裝修情況、所屬轄區、商圈、租金一共9個房源欄位信息。

第一部分 房源數據信息展示

房源所在區域的分布情況（小區、所屬轄區、商圈）

• 房源小區分布情況

使用stringr、Excel進行數據清洗、去重等相關工作後，有效房源信息一共2470條，房源覆蓋712個小區，小區數量較多，截取房源數量最多的前30個小區進行觀測：

可以看到：

• 東風家園以36套可租房源排在首位，該小區位於梁溪區與新吳區交界地帶，人流密集，周邊配套設施完善，靠近地鐵二號線，故其房源數量排在首位不無道理
• 萬科金域緹香樓盤較多，且位於新區哥倫布廣場、歐尚超市附近，附近商圈配套成熟，臨近快速內環高架，交通便利
• 愛家金河灣臨近高鐵站、汽車站、地鐵一號線，交通條件優越
• 天鵝湖B區、萬科魅力城二區臨近江南大學地鐵口，為大學生群體租房的熱門小區，且萬科魅力城二區小戶型較多，房齡較長，租房性價比高
• 寶龍國際公寓位於新吳區中心地帶，生活便利，配套完善

總的來看，在這30個小區中，絕大部分為商品房小區，且主要集中在濱湖區、梁溪區、新吳區，可以推測一下是不是所有的房源都主要集中在這三個轄區？接下來觀測下所有房源的所屬轄區、商圈板塊的分布情況：

• 五個轄區房源分布情況

• 房源所在商圈數量分布情況

可以看到，和剛才的推測一致，濱湖區以931套房源數量（佔37%）排在第一位，接下來是梁溪區（723套，佔29%）和新吳區（514套，佔21%），而惠山區以及錫山區的房源數量則明顯少於其它地區。另外，一共37個商圈板塊，其中太湖新城板塊（594套）、長江路板塊（249套）、河埒口板塊（242套）、江溪（108套）、北大街（101套）的房源數量佔據前五，這五個板塊的房源數量佔總房源數量一半以上，其中太湖新城板塊的房源數量的領先幅度還是相當明顯的。

可以分析一下這種分布的一些原因：

• 濱湖區、梁溪區、新吳區為相對的就業密集區，而惠山、錫山就業崗位相對較少，自然租房要求也會相應減少
• 濱湖區中不僅有大量的政府舊改項目，還因良好的商業配套、居住環境受到各大龍頭地產商的青睞，因此釋放出大量的租賃房源
• 濱湖區板塊大，即包含馬山、雪浪、南泉等較為偏遠的區域，也包含了太湖新城、蠡湖新城、河埒口等成熟板塊，且年輕人較多，各式各樣的房源都有覆蓋，轄區內覆蓋地鐵一、二號線，交通優勢明顯
• 相對而言，太湖新城為濱湖區中最受投資客青睞的商圈板塊，因此大量的投資性住宅會成為租賃房源，教育資源相對其它板塊而言優勢明顯，也將吸引一部分父母家長租客群體前來租賃
• 位於新吳區的長江路板塊延伸很長，且新吳區擁有大量的外資、製造型企業，外籍員工眾多，擁有大量的租賃需求
• 河埒口板塊擁有濱湖萬達這一成熟商圈，臨近惠山隧道、快速內環高架、地鐵二號線，交通優勢明顯
• 北大街為傳統老城區，臨近市中心，老舊小區房源數量眾多
• 惠山新城位於地鐵一號線北面，且為惠山區行政中心所在地，人口集中，再加上擁有惠山萬達商圈和周邊眾多的小區樓盤，使其可供租賃的房源較多

房源特徵信息分布情況（租房類型、戶型、裝修情況、所在樓層、總樓層）

• 租房類型分布情況

可以看到，整租的情況（2335套，佔94%）為主要的租房類型。

• 戶型分布情況

可以看到

• 在20種戶型中，2室2廳（778套） 、2室1廳（497套）、3室2廳（492套）、1室1廳（485套）為房源的主力戶型，這四種戶型佔比達到91%。
• 2室2廳，2室1廳這兩種戶型不僅適合的群體廣，而且在眾多戶型中，性價比很高
• 3室2廳對於家庭租客群體而言，舒適度較高，對於公司、企業群體而言，出於成本及管理角度考慮，3室2廳這一戶型最為合適
• 裝修類型分布情況

可以看到，精裝修的房源類型（1915套）數量最多，佔比77%

• 房源所在樓層與總樓層的數量分布

• 對於房源所在樓層，由圖可以看出主要集中在中低層，3摟為房源數量最多的樓層，其次為12層、15層。
• 對於總樓層而言，出現了三個明顯的峰值，分別位於6層、18層、32層
• 無錫擁有大量位置好、配套全的老舊小區，而這些小區總樓層基本在6層左右，對於這些小區，3層為最佳的租房樓層；從住宅建築角度考慮，18層、33層（100米左右）分別為兩個重要的臨界點，超過這一臨界點，意味著不同的建築等級要求

第二部分 租金影響因素

在第二部分，先匯總整體的租金情況，再展示出房源的各種因素對應的租金信息，進而分析挖掘出相關的信息結論，從房源所在區域（小區、所屬轄區、商圈）以及房源自身特徵（租房類型、戶型、裝修情況、所在樓層、總樓層）兩個大的維度進行觀測分析。

• 整體租金的價格分布情況

整體來看，在2470套房源中，每月租金範圍從138元到30000元不等，平均租金為2181元，中位數為1800元，從上圖中可以看出，租金分布在2000元左右的情況最為多見

房源所在區域對租金的影響（小區、所屬轄區、商圈）

• 房源數量前30小區租金分布情況

• 所屬轄區租金分布情況

• 商圈租金分布情況

可以看到：

• 長江國際雅園、萬科金域緹香、魅力萬科城二區、太湖國際社區拾壹峰、長江國際花園的租金價格中位數佔據前五位，房源數量最多的東風家園平均租金為1616元，租金方差218元，可謂是房源又多價格又穩定，長江國際雅園的平均租金價格為3804元，是房源數量在前30位中平均租金最高的小區，且租金的分布差異也是最大的，之所以租金差異大，是因為該小區地處長江路沿線，既包含普通的租客需求，又包含很多外資企業的外籍員工、高管的租房需求；甲殼蟲2933小區在這30個小區中平均租金為最低的1323元
• 作為房源數量最多的濱湖區其平均租金價格為2474元，為五區之首，但其租金價格分布差異也最大，標準差為2360元，這與之前提到的該區域板塊面積大，房源類型多不無關係；新吳區、梁溪區以平均租金價格2092元、2054元位列二三位，而惠山區的平均租金價格只為1662元，和濱湖區差距還是非常顯著的，但其租金標準差為741元，相對濱湖區而言租金分布更為平均
• 作為濱湖區中最主要的三個商圈板塊，蠡湖新城、太湖新城、河埒口板塊平均租金價格分別排在第1位、第5位和第12位；蠡湖新城板塊由於蠡湖香樟園這一定位高端的小區存在，不僅拉高了平均租金，也使得整個區位租金價格差異性特別大，同理，太湖新城板塊因為混雜了大量的安置房小區和高檔小區，使之的租金價格分布也呈現較大差異，出現不少離群點

房源特徵信息對租金的影響（租房類型、戶型、裝修情況、所在樓層、總樓層）

• 租房類型租金分布

• 各戶型租金分布

• 各裝修情況的租金分布

• 樓層租金分布情況

可以看到：

• 無論在哪個轄區，整租情況下的租金價格明顯高於合租情況，符合日常判斷
• 戶型從某種意義上代表了房屋面積，4室1廳以上的戶型，樣本量較少，除去這一部分，隨著戶型變大，租金價格整體呈現上升趨勢
• 在各個轄區內，裝修情況越好，對應的租金價格越高，符合日常判斷
• 房源所在樓層在33摟以上的房源數量很少，除去這一部分，其它樓層的租金分布較為平均
• 總樓層為2-3層的房源很有可能是別墅房源，所以租金很高

第三部分 隨機森林建立租金模型（嘗試性探索）

這一部分主要通過隨機森林建立相關的租金模型，看看各個因素中哪幾個對租金影響最大，之所以是嘗試性探索，是因為剛進行機器演算法模型的內容學習，在此只是進行練習嘗試，也希望大家提出相關建議。

選入變數為商圈、租房類型、房源房型、裝修情況、所在樓層、總樓層，其中房源所在樓層、總樓層根據區間進行分類，小區名不選入，因為超出了隨機森林最大允許類別，所屬轄區不選入，因為商圈意味著更細化的轄區位置。

在此，僅列出模型輸出的重要性分布：

第四部分 總結

首先，從數據爬取、數據清洗、數據分析、可視化呈現到最後的模型建立，這是我第一份獨立完成且相對完整的數據分析報告，一定存在許多的不足和紕漏，在此，真心希望各路大神能給出你們寶貴的意見和建議。

其次，無錫是一座很棒的城市，它擁有良好的城市規劃、便利的交通、完善成熟的商圈配套，相對於熱鬧的北上廣深，它顯的特別安靜，但是根據相關數據匯總，從10年到16年，這座城市平均每年人口流入僅為2萬人。

我希望它更好，也希望它更包容

最後，祝大家早日買房，告別租房！感謝點贊關注，謝謝！

推薦閱讀：