一名合格的数据分析师该怎样解释“买不起房”这件事

北京很大，大到容得下两千多万人的吃喝拉撒睡。北京很小，小到装不下一个外地人的北漂梦。

我是一名北漂，来北京7年了，7年时间里不断地租房搬家，心里一直想买一套自己的房子，而北京的房价让我望而却步，打消了念头。又到年底，双方父母催婚催的厉害，在一起5年，确实要考虑结婚了。结婚就要买房，这又让我打起买房的主意，然而以我现在的积蓄，距离在北京买一套房还差多少？

链家网是北京知名的房屋买卖平台，于是我爬取了链家的二手房买卖数据，不要问为什么看二手房...爬虫代码如下：

数据清洗整理

将数据进行清洗处理后，剩余2999条数据，其中price是房屋单价(元/平米），district是所在区域，floor是房屋层高，area是房屋面积，subway是周围有无地铁，rooms是卧室数量，halls是客厅数量。北京的房价受学区房影响较大，但数据不好获取，这里就不做考虑了。

各区域在售房屋情况分析

发现朝阳区在售二手房屋最多，海淀、丰台、昌平其次。

北京房屋价格分析

北京二手房屋均价为65254元，中位数为61562元。

大部分房屋价格集中在35000-80000元区间。

地铁对房屋价格的影响

房屋附近有地铁的价格明显高于房屋附近没有地铁的价格。

分析房屋所在地域对房屋价格的影响

北京房价最便宜的区域是房山区，最贵的是西城区，价格分布如下：

通过箱线图，发现在朝阳区、大兴区、昌平区有很多异常值，也就是说有个别房屋价格明显高于本区平均价格。

绘制北京房价地图，颜色越深，房价越高，结果如下：

分析房屋面积对房屋价格的影响

没有明显的线性关系，说明房屋面积对房屋单价影响不大。

建立线性回归模型，预测房屋价格

前文再对价格画直方图时，发现北京的房价不符合正态分布，为了模型更加精准，先将价格取对数，取对数后的价格分布接近正态分布。

进行建模前需要筛选变量，使用向前选择法筛选变量时，所有变量都可以放入模型，于是尝试第一次建立回归模型。

卧室数量、客厅数量对价格不显著，于是将rooms、halls变量剔除后继续建模，R**2与aic并未受明显影响，模型合理。

通过建立的模型对原数据进行预测，用预测值减去真实值，差值在0附近波动，没有过多异常值，说明模型较为合理。

到此,基于链家网的二手房价格简易分析完成，而我想在海淀区买一套100平米的房子，最好在中层，附近要有地铁，方便上班出行。根据模型预测，购买类似房产的单价是82092元，总价是8209200，首付是35%，按我现在的工资水平..还要再干5年才能攒够首付…算了，我还是想想如何应对父母催婚吧…

PS：会一些数据分析，会发现生活很有趣，如果想要学习数据分析技能，可以参加CDA数据分析就业班，三个月转行数据分析师。