一、提出问题
•1.北京253个商圈中，哪些民宿最集中？通州北关和百子湾，哪个周围民宿最多？ •2.北京16个区，不同类型的民宿面积多大？海淀的复式面积多大？东城区的四合院面积多大？朝阳的公寓面积多大？ •3不同区域的民宿，哪些以情侣为主，哪些以家庭为主？1888元是人数和价格关系的拐点。
看完这篇文章，你就可以来北京投资民宿了。
（想知道答案，往下翻，在第五节。想知道分析过程，从这里继续阅读）
八爪鱼-制定抓取规则
八爪鱼-定位信息
八爪鱼-爬取过程
数据爬取结果
三、数据清洗
（一）理解数据
原始数据也称作“dirty data”，大量信息是我们不需要的，例如网络链接这列和空白列等，均删除，也可以选择将其隐藏。标题呈现“字段_文本”，“字段_链接”等字样，与主题无关，删除字样，依次改为和内容相关的标题。 标题重命名
删除或隐藏多余列
（二）删除重复项
完成理解数据后，进行重复数据的删除。选择整个数据表格，点击“数据”-“删除重复项”，我们到386个重复数据，将其删除，剩余2824条有效数据，清洗过程这个数据还会减少。
取消全选，选择“房源描述”
初步筛选出2824条数据
（三）处理空缺值
通过观察我们发现有大量的数据空缺。点击“查和选择”-“定位条件”-“空值”，定位所有的缺失值所在单元格。
目测有大量缺失值
处理缺失值有3种处理方式：1直接删除 2填写数据平均值 3手动填写一个值，通过“Ctrl+Enter”实现批量填补。本例中，由于数据集较大，且这个阶段并不知道面积、价格等平均水平，基于这两方面考虑，选择直接删除缺失值所在的行。
对缺失值进行定位
（四）分列
通过观察原始数据表格，发现有3列，每列中至少含2个内容，需要进行分列。
第1步：选择“住客点评数”这列，通过观察你发现，内容由“/”分成左右两部分，“/”符号是关键。我们要做的是：先复制粘贴这一列，然后按“数据”-“分列”，进行分列。在“其他”处，填写“/”。电脑很听话，看到这个符号，就把内容分列到两列。
分列前，先插入新列
复制粘贴，在“其他”处，填写“/”
分列成了2列
第2步：选择“格局”这列，单元格内容为：“复式/1室1厅1卫/40平米/宜住2人/1床”，共含5条内容。先插入5列空白列，进行分列，重复第一步的步骤，最终将1列，分列为5列。
插入新列
数据预览，看到分列后的效果
分列成功
（五）数字转化为数值类型
价格这列数字靠左侧、左上角出现绿三角，说明它是字符串类型，也就是说电脑认为它们是文字，而非数字，我们需要将其转化为数值类型。
这列数字是字符串型，要转换成数值型
第1步：复制粘贴到新的一列，然后复制粘贴
复制粘贴到新的一列-复制粘贴
第2步：按“分列”-“常规”-“完成”
进行分列
第3步：转化成功。数字靠右侧，这是判断它是数值类型的标准。字符型靠单元格左侧，数值型靠右侧。
数字靠右，说明是数值型
（六）截取内容
通过观察，商圈这列和点评数这列，发现1个单元格至少包含2个内容，我们要使1个单元格只包含1个内容。如果这里有类似“/”这样的符号，就可以用“分列”功能。但是这两列完全由文字构成，无法用分列的方法。在这里我们用到的方法是“LEFT/RIGHT/MID函数截取”。
我们要在EXCEL中写第一个函数了。（每条函数式在截图中展示）
要截取到的结果是：“距”后面的商圈 （文字）和“来自”后面&“条”前面的点评数（数字）。
要对这两列，分别截取我们要的内容
对“住客点评数量”，使用MID函数
成功截取
对“住客评分”，使用LEFT函数
对“宜住人数”，使用MID函数
对“商圈”，使用RIGHT函数（注意这是错误的，接下来会修改）
发现问题，出现多字和少字的情况
修改函数，用MID函数截取
修改成功
（七）统一单位
最难的部分：将距离单位统一为“米”
第1步，用if语句把带公里的单元格选出来。
用if语句把带“公里”的单元格选出来
第2步，用字符串截取函数，把选出来的数据，比如4.8公里，里面的数值提取出来是4.8
先帅选出“公里”值，然后截取数值
第3步，截取的数字（例如4.8）某1000。
数值乘以1000，实现转化，现在单位都是“米”
数据清洗完成，进入分析阶段
四、构建模型
（一） 描述性统计分析
1. 价格描述性统计分析
北京民宿最普遍的定价是398元，如果你打算开一家民宿，可以作为参考。特别注意的是众数和中位数相差无几，说明这个定价符合市场情况。
价格-描述性统计分析
2.点评数描述性统计分析
点评数反应用户粘性，住客体验后，来评价写下评论，同时反应民宿的热度。数据显示，点评数不是很多。
点评数-描述性统计分析
3.住客评分描述性统计
住客评分均值为4.848，说明住客对北京民宿的满意度普遍较高，北京民宿服务水平较高。特别注意的是，中位数和众数均为5，再次印证了住客高满意度。如果你想在北京开一家民宿，一定要在设计、服务等方面，做得更好。
住客评分-描述性统计分析
4.宜住人数描述性统计分析
宜住人数的众数为2，说明大多数民宿的目标客户是情侣或闺蜜，后面的内容有更详细的分析印证这个结论。
宜住人数-描述性统计分析
5.面积描述性统计分析
数据显示，众数为50，中位数为60，均值为75，可以发现北京民宿以小户型为主。
面积-描述性统计分析
6.离最近商圈距离描述性统计分析
离最近商圈距离说明民宿生活的便利性。从中位数、众数、平均数来看，民宿周边500-1500米内就有一个商圈。这个距离可以说很便民了。如果你要开民宿，先看看周围1500米内有没有商圈，选址很重要！
离最近商圈距离-描述性统计分析
7.床数描述性统计分析
床数最普遍的是“1”张，和前面我们得出的结论“大多数民宿的目标客户是情侣或闺蜜”相符合，在后面更详细的分析中，我们会看到更多证据。
床数-描述性统计分析
（二）各个区域民宿特点
1. 每个区，不同类型民宿的数量
从数量上来说，朝阳区民宿最多，占33%，然后是东城区和海淀区。朝阳区民宿数量是东城区的2.4倍。从类型上说，别墅，复式，公寓，客栈，四合院这5中类型中，公寓式民宿数量最多，占到78%。其次是复式。在各区中，复式民宿集中在朝阳、顺义、大兴、通州4个区；别墅集中在昌平；四合院集中在东城区。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议