我是怎么用大数据在魔都租到好房的?手动点赞!

天涯
5640
文章
3
评论
2016年8月3日22:51:30我是怎么用大数据在魔都租到好房的?手动点赞!已关闭评论 724 浏览 2101字阅读7分0秒

来源| DT财经(ID:DTcaijing),经授权发布,感谢!

原题| 我是怎么用大数据在魔都租到好房的

这是一份DT君的大数据租房攻略,如今好房已经租到,特此分享给大家参考,希望各位也能先安居再乐业。

魔都有两条高价线,肯定租不起

已知,DT君在市中心工作,每月只有3000元租房预算,希望通勤时间越短越好,尽量少步行。求问,如何才能租到一套性价比高的好房?

时间紧任务重,必须在与毕业生们的争夺中抢占先机。 DT君决定利用大数据做一份辅助攻略,在出门看房前便能够缩小范围以便精准出击。于是DT君爬取了链家官网最近一年挂出的可租房源数据(截至2016年6月2日,共4.5万条)。

数据到手,先看看整体情况。

与买房主要看地段与面积不同,卧室数量对租金有着深刻的影响。因此,除了每平米租金,DT君还计算了单间房租金作为比较与观察的指标。比如一套面积为60平米的两室,租金为3000元/月,那它的单间房租金就是1500元。

下图展现了上海市可出租房源的分布及其单间房租金的差别。

从房源分布来说,中环以内都比较密集,越过外环线后,待租房源主要依附在地铁沿线。

我是怎么用大数据在魔都租到好房的?手动点赞!

红色对应租金最高的区域,倒是与房价高点挺一致,几个中心区域连成两条斜线。

较短一条从静安区延伸到长宁区;比较长的另外一条线,起于陆家嘴与八佰伴,途经黄浦,到达徐家汇,令DT君震惊的是,这条线与地铁9号线内环部分完美重合,感觉好像知道了什么了不得的秘密。

市中心的户型面积其实相对更小,但是靠着每平米单价强行引领租金大潮。每平米租金最高的几个地段,都分布在上述两条斜线上。

DT君办公楼所在地南京西路也光荣上榜,回头看看据说每天步行5分钟上班的大腿妹,突然想去抱紧她。强行压制住内心的羡(ji)慕(du),DT君默默将上面两条斜线覆盖范围从租房备选中划去。

囊中羞涩,自己住还是跟人合租?

排除掉这些最贵的房源后,颇有点伤感的DT君还需要确认,是要租一室户自己嗨?还是勉为其难跟别人合租?

单身汪DT君首选当然是自己一个人住,既能随心所欲晚睡赖床,又能插着耳机大声歌唱,更重要的是洗澡想不关门就不关!但是纵览魔都房源情况后,只能泪别一室户,安心合租。

原因主要有二。

原因一,在预算范围内,一室户的可选择范围实在太小。

首先,套上3000元预算的筛选条件后,4.5万房源瞬间只剩一半,如果还强行只要一室户,那么这个数字就会迅速下降至3000套以下。

我是怎么用大数据在魔都租到好房的?手动点赞!

将房源上架时间限制为6月1日与2日,那么在全部的1295套待租房源中,一室户仅有197套,两室户却有767套。DT君比较房源数量都是看卧室,强行选择一室户,只有197个卧室可以挑;如果选择两室户,前面可是有1534个卧室等着呢!

这确实让DT君坚决要独居的心稍微动摇了一下,但还不足以让这簇小火苗熄灭。真正说服DT君奔向合租的,还是下面这个原因——租一室户很不划算。

从每平米租金来看,面积越小单价越贵。50平米往下走基本是一室小套间,DT君看看地理位置分布,面积偏小的一室户大多分布在市中心,单价贵也就可以理解。

而魔都面积在50~150平米之间的房子,每平米单价差不多,在这个范围内按照预算租,买不了吃亏买不了上当。其中84平米的房屋性价比最高,每平米价格最低。

我是怎么用大数据在魔都租到好房的?手动点赞!

也就是说,如果不执着于一室户,付出同样租金就可以享受更大面积,这让追求性(zhan)价(pian)比(yi)的DT君果断忍痛放弃自己一个人住。

如果合租,几个人合租比较好?

DT君计算了下不同结构房屋的单间房租金,基本规律就是,厅越多越贵。想想自己也没有在家跳广场舞的需求,用不着那么多厅,选择最便宜的一厅房就好,主要还是看几间卧室。

我是怎么用大数据在魔都租到好房的?手动点赞!

从上图来看,除了一室一厅, DT君在预算内能租得起的房还挺多。但人越多越嘈杂,两室一厅是最好的选择。

上海那么大,可以租在哪儿?

前面被预算绑住手脚,一心考虑价格,DT君做了些委屈又违心的选择。现在要打起精神,力图通过位置扳回一城。

首先看各个区的待租房源整体情况。

静安、黄埔、长宁以及徐汇租金妥妥最贵,浦东以及闵行房源数量最多。

我是怎么用大数据在魔都租到好房的?手动点赞!

你肯定也注意到,青浦单间租金比杨浦还高,DT君随手一查,青浦待租房源中包含不少别墅,其他小单间就这样被平均了。

再进一步看DT君已缩小范围的房源,需同时满足四个条件:

①单间价格3000元以下;②房型为两室一厅;③面积超过50平方米;④靠近地铁。这样的房源在各区分布数量如下图:

我是怎么用大数据在魔都租到好房的?手动点赞!

突然想起自己经常加班到很晚,租房还要考虑打车距离的问题,机智的DT君简单粗暴地将备选房源设定为直线距离不超过本司办公楼5公里范围(圆圈内)。

在这个范围内一共有40个地铁站,这种恶劣天气要挨着跑一遍也还是很困难。于是DT君挑选出拥有符合条件房源最多的几个地铁站——一次性就能看到最多的房,成功几率肯定最大!

查了查各个地铁站周边环境,最优的当属 “中山公园”:

一方面坐拥热门商圈,购物吃饭完全不用愁,旁边还有大型公共园林,没事就能去边逛边思考人生。完美!优先级可排最高。

前期准备到此结束,胸有成竹出门看房,第一站胜利收兵。

DT君现在就住在中山公园,不信?过来请吃饭,保证随叫随到。

文 | 唐也钦(tangyeqin@dtcj.com

图 | 邹磊、唐也钦

—END—

沐阳:微笑面对,4波特停压住了市场的水花?—3.14 实例分析

沐阳:微笑面对,4波特停压住了市场的水花?—3.14

> 4次特停,终于压住了水花一. 阳盆看盈亏:亏钱——0.03% ,神奇数据组合,极热到极冷热度数据:数据上看,市场的热度几乎被砸到了冰点,怎么去定义呢?除了大家看到的涨停股数据稀少和人气低迷意...
沐阳:很悲观?但明天可能又是涨停潮—3.13 实例分析

沐阳:很悲观?但明天可能又是涨停潮—3.13

> 一. 阳盆看盈亏:亏钱——0.1% ,所有热点的全线杀跌热度数据:昨天的市场出现了久违的持续热点行情,但是大家都以为要主升浪突突突的时候,咦?今天怎么又被按在地上锤了?另外这个被锤的节奏怎么...
沐阳:雄大,你做好第三波的准备没? 5.11 实例分析

沐阳:雄大,你做好第三波的准备没? 5.11

题记:空间有了,雄大你做好反弹的准备没?一.阳盆看盈亏:赚钱—热度数据日内反转,4板股都有了!沐阳一直都说,在市场上出现过度波动的时候,比如连续大涨和连续大跌,这个时候人的情绪是不可信的。因为但凡是人...
吴敬琏:靠投资拉动经济是寅吃卯粮 网文转载

吴敬琏:靠投资拉动经济是寅吃卯粮

[注:吴敬琏这篇文章,看起来逻辑很好,其实里面是有问题的。吴敬琏和张维迎不太一样,张维迎胡说八道的时候很多,吴敬琏的毛病是光有逻辑没有实证。计量经济学的发展能够量化经济增长数据中各种因素的比例。吴敬琏...