本文作者：温和铭 中南财经政法大学统计与数学学院

本文编辑：何   疆

技术总编：金   点

一年一度的秋招大战已经吹响号角，想必大多数毕业生正在为找到一份心仪的工作而努力准备，笔者先在此祝各位offer多多！然而，找到工作并不意味着就可以马上“躺平”，不是每家公司都有“包住宿”的福利，因此，找房也就成了许多毕业生进入社会之后的头等大事。

“年轻人的第一次崩溃从租房开始”不是说说而已，租房需要考虑的因素可不少，租金、基础设施、通勤时长、小区环境、房东人品等都会影响租房的体验感，如何找到合适的房源是一项不小的课题，借助Python可以大大减轻我们的工作量。本文将以链家网为例，爬取武汉地区的租房信息，并使用pandas_bokeh库在地图上标注，方便大家定位房源。话不多说，马上开始！

在租房页面中，通过切换页码，可以发现网页链接的规律，第n页对应的页面编码为pg{n}，由此构建url。

其次，查看页面中需要爬取的内容，使用右键检查功能定位到具体的标签。以标题信息为例，其对应的class为'twoline'，因此，使用BeautifulSoup找到所有class为'twoline'的元素，并提取它们的文本内容。

然后将提取的文本内容进行去除首尾空格的处理，并将结果存储在一个名为rent_title的列表中。其余的页面信息爬取思路与之类似。在此我们分别爬取了房源信息标题rent_title、房源描述rent_des和房租rent_price，本次只爬取前10页的内容作为例子，代码及结果如下：

在初步爬取获得的数据中，rent_des一列中的信息包含了地址、房屋面积、朝向、户型和楼层数等信息，通过数据清洗（具体步骤可在后台留言索取），将数据分列，得到地址rent_address、面积rent_area、朝向rent_orien、户型rent_room、层级rent_level、层数rent_floor几列信息，结果如下：

接着，我们调用高德API，使用其中的地理编码功能，根据房屋地址rent_address获取经纬度，代码和结果如下：

获得了经纬度，我们就可以开始绘制地图了。本次数据可视化使用到的库为pandas_bokeh。首先我们简单了解一下Bokeh库，这是一个交互式可视化库，与之前介绍的Altair库《Python交互式数据可视化——酷炫的Altair库》功能类似，但是Altair库在处理超过5000个以上样本的数据集时，需要先对数据进行汇总，并且缺乏一些可选的样式，具有一定的局限性。相比之下，Bokeh库拥有更加灵活的制图选项，能够创建功能更丰富、效果更美观的图片。pandas_bokeh则是在Bokeh库的基础上，增添了直接与pandas库的连接，使得从数据集到图表的代码更加简洁流畅，库的安装、调用与基本语法如下：

目前pandas_bokeh库支持绘制线型图、直方图、散点图、饼图和地图等八种类型的图形，感兴趣的朋友可以进入官方文档查看详细的介绍（GitHub - PatrikHlobil/Pandas-Bokeh: Bokeh Plotting Backend for Pandas and GeoPandas）。

接下来，我们以绘制地图为例，展示pandas_bokeh强大的交互式可视化功能。我们希望得到的效果是在地图上标注出各个房源的地点，具体地，使用经纬度与地图上的位置进行匹配，并用散点标记，点的大小表示房屋的面积rent_area，颜色表示楼层高度等级rent_level，房屋的户型、租金和楼层数在点的标签里进行展示。

此外，我们也可以将交互式图像导出为html格式，方便随时调取查看，注意，以下代码需要在画图命令之前执行。

在jupyter notebook中的展示结果如下，我们可以滑动鼠标进行区域的放缩，也可以将鼠标移动至感兴趣的位置，查看对应的房源信息，这样房屋的地理位置、周围环境等信息就一览无余，对于重点考虑通勤和居住环境的求租者而言，相比点开网页中的房屋地址一条条比对，无疑方便了不少~

以上就是本次Python实战的全部内容，正在找房的你可以开始动手试试啦~最后祝各位租房人都能顺利找到“梦中情房”！