1珠海二手房数据分析【2026.6.29】

珠海二手房数据分析

代码路径【gitee】：

1珠海二手房数据分析: 1珠海二手房数据分析

一、项目描述

通过对爬取的二手房数据进行进一步清洗处理。分析各维度的数据，筛选对房价有显著影响的特征变量，探索珠海二手房整体情况、价格情况和价格的影响因素，建立房价预测模型，并对假设情景进行模拟。

二、提出问题

探究珠海二手房单价、总价、数量和位置（县区、镇）之间的关系；
探究其它因素和单价的关系；
探究户型分布；
分析建筑年代情况；
使用机器学习模型建立回归分析模型进行价格预测。

三、数据理解

列名含义：
title：标题,无需分析，删除
comm：提取小区名称
total_price：提取总价
unit_price：提取单价
no_room：提取户型、室、厅、卫
area：提取面积
orientations：提取朝向
floor：提取楼层类型（高中低）
year：提取建造年份
address：位置，维度过细，删除
county：提取县区
town：提取镇
tags：标签，无需分析，直接删除
broker：中介经纪，无需分析，删除
rate：中介评分，无需分析，删除
company：中介公司，无需分析，删除

整体分析思路：

业务理解 → 数据获取 → 数据清洗 → 探索性分析（数据可视化探索） → 特征工程 → 建模评估 → 模拟预测 → 结论输出

根据上述思路进行数据处理，给出实现结果：

✅ 项目已全部完成！

根据您的要求和项目产出物来看，这个珠海二手房数据分析项目已经完整地执行了全部阶段，下面是详细介绍：

📋 项目概述

本项目对珠海市约67,000 条二手房挂牌数据进行分析，从业务理解到建模预测，形成了一条完整的分析链路。

🔧 技术流程（14 个步骤）

🎯 核心发现

1. 区域分布

• 香洲区为主力市场（29,073套，占43%）
• 横琴、斗门、金湾次之

2. 户型分布

• 3室是绝对主力户型（超50%），2室和4室次之
• 面积越大，单价呈下降趋势（边际递减规律）

3. 建筑年代

• 中位建造年份约2013年，中位房龄13年
• 较新房（6-15年）均价最高（23,073元/㎡），老房（>30年）最低（18,621元/㎡）

4. 价格影响因素（特征重要性 Top 5）

• 总价（经标准化）— 最重要
• 县区（横琴、香洲等高价值区域）
• 面积
• 室数
• 房龄

🤖 模型表现

随机森林模型表现优异，预测误差仅约190-314 元/㎡，可用于实际房价预估。

🏠 情景模拟示例

📦 产出物清单

• ✅ 清洗后数据集（cleaned_full.csv）
• ✅ 训练/测试特征集（features_train.csv/features_test.csv）
• ✅ 训练好的模型文件（.joblib）
• ✅ 评估报告（evaluation_report.md）
• ✅ 业务洞察报告（business_insights.md）
• ✅ PPT 演示文稿（business_insights_refined.pptx）
• ✅ 情景预测结果（scenario_predictions.csv）
• ✅ 交互式误差诊断页面（error_diagnostics.html）
• ✅ 各类可视化图表（15+ 张）

总结：项目从"业务理解 → 数据清洗 → 探索分析 → 特征工程 → 建模评估 → 情景模拟 → 结论输出"完整闭环均已实现，所有分析和建模任务均已完成！

结果图片展示

以下是项目生成的14 张图片的逐一介绍：

📊 EDA 探索性分析（4 张）

1. dist_unit_price.png — 单价分布直方图

展示珠海二手房**单价（元/㎡）**的整体分布形态。可以直观看到价格的集中区间、偏态程度以及是否有极端高/低价异常值。

2. dist_total_price.png — 总价分布直方图

展示二手房**总价（万元）**的分布情况，反映市场上主流总价段在哪里。

3. scatter_area_unitprice.png — 面积 vs 单价散点图

横轴面积、纵轴单价，每个点代表一套房（随机采样10%）。可以看出面积越大、单价越低的负相关趋势，以及不同面积段的价格离散程度。

4. corr_matrix.png — 数值特征相关性热力图

展示总价、单价、面积、室数、建造年份、房龄等数值字段之间的皮尔逊相关系数。红色=正相关，蓝色=负相关，数值越接近 ±1 关系越强。

5. box_unitprice_by_county_top10.png — Top10县区单价箱线图

按县区分组的单价箱线图，直观比较横琴、香洲、斗门、金湾等区域的单价水平、中位数和离散度。横琴和香洲通常明显高于其他区域。

🤖 模型评估（3 张）

6. eval_rf_pred_vs_true.png — 真实值 vs 预测值散点图

随机森林模型在测试集上的表现。横轴真实单价、纵轴预测单价，点越贴近红色对角线（y=x）说明预测越准。偏离对角线的点代表预测误差较大的样本。

eval_rf_pred_vs_true_chinese.png

7. eval_rf_residuals.png — 残差分布直方图

残差 = 真实值 − 预测值。理想情况应呈以 0 为中心的正态分布，代表模型无系统性偏差。偏左或偏右说明模型倾向于高估或低估。

eval_rf_residuals_chinese.png

8. feature_importance_top20.png — 特征重要性 Top20 条形图

展示随机森林模型中对房价预测贡献最大的前 20 个特征。通常总价、面积、县区（横琴/香洲）排在前列，帮助理解哪些因素真正驱动房价。

另有中文字体版本 eval_rf_pred_vs_true_chinese.png 和 eval_rf_residuals_chinese.png 作为备用。

🏠 户型深度分析（2 张）

9. room_type_analysis.png — 户型综合分析（三合一）

三张子图并列：

• 左图：室数分布柱状图（3室最多，超50%）
• 中图：不同室数 vs 单价箱线图（室数越多单价越低）
• 右图：不同室数 vs 面积箱线图（室数和面积正相关）

10. room_ting_wei_dist.png — 厅/卫分布

两张子图分别展示厅数分布（2厅最常见）和卫数分布（1-2卫为主）。

🏗️ 建筑年代分析（1 张）

11. building_age_analysis.png — 年代综合分析（四合一）

四张子图：

• 左上：建造年份分布直方图（中位年份约2013年）
• 右上：房龄分布直方图
• 左下：房龄 vs 单价散点图 + 红色趋势线（房龄越大单价越低）
• 右下：新房/较新/中等/老房四个年龄段的单价箱线图

🧭 朝向分析（1 张）

12. orientation_analysis.png — 朝向分布与价格

• 左图：各朝向房源数量柱状图（南向占据绝对主导）
• 右图：不同朝向的单价箱线图，可看出南北通透等朝向是否有溢价

📋 总结一览

error分析html界面

error_diagnostics.html — 交互式误差诊断仪表盘

这个文件是一个可在浏览器中打开的交互式网页，由 13_error_interactive_dashboard.py 脚本生成，用于深入分析模型预测误差的来源和分布。

📊 包含哪三部分内容？

🔍 你能用它做什么？

1. 快速定位模型弱点区域

   • 从表格可以看到：高新区 MAE 最高（410 元/㎡），高栏港区最低（26 元/㎡）
   • 说明模型对高新区房源预测不太准，可能需要补充该区域特征

2. 检查预测偏差

   • 散点图越贴近对角线（y=x），预测越准
   • 如果某个区域点的颜色明显偏离对角线，说明该区域存在系统性偏差

3. 发现异常值

   • 直方图中远离 0 的"长尾"就是预测严重偏差的样本
   • 可以据此排查数据质量问题（如挂牌价异常）

4. 指导模型优化方向

   • 针对高误差区域（横琴、高新区、香洲），可以考虑引入更多地理特征（如学区、商圈距离）来改善预测