- 觀察到某地區房價飆漲、薪水不漲的現象，思考是否各地皆如此。以此為出發點，期望可以透過此專案實踐將過去所學背景與程式語言結合，產出有用的數據分析資訊，提供未來多一個買房思考方向。
- zipfile
pip install zipfile-deflate64Released: Feb 25, 2021
- matplotlib
pip install matplotlib - pandas
pip install pandas - geopandas
pip install geopandas - Excel
- Power BI
-
內政部實價登錄網站撈取資料
-
資料整理與觀察
-
觀察資料：
-
檔案名稱
檔案名稱 交易類型 x_lvr_land_a 房屋買賣交易 x_lvr_land_b 新成屋交易 x_lvr_land_c 租房交易
-
-
縣市代碼：
縣市 代碼 縣市 代碼 縣市 代碼 縣市 代碼 縣市 代碼 臺北市 A 臺中市 B 基隆市 C 臺南市 D 高雄市 E 新北市 F 宜蘭縣 G 桃園縣 H 嘉義市 I 新竹縣 J 苗栗縣 K 臺中縣L南投縣 M 彰化縣 N 新竹市 O 雲林縣 P 嘉義縣 Q 臺南縣R高雄縣S屏東縣 T 花蓮縣 U 臺東縣 V 金門縣 W 澎湖縣 X 陽明山Y連江縣 Z
-
-
資料分析
- 將
1061至1094各縣市資料合併後得 1,339,590 過於龐大，如下，故決定先按年處理。
Int64Index: 1339590 entries, 1 to 33 Data columns (total 34 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 鄉鎮市區 1339507 non-null object 1 交易標的 1339590 non-null object 2 土地區段位置建物區段門牌 1339565 non-null object 3 土地移轉總面積平方公尺 1339590 non-null object 4 都市土地使用分區 1067866 non-null object 5 非都市土地使用分區 255378 non-null object 6 非都市土地使用編定 254410 non-null object 7 交易年月日 1339590 non-null object 8 交易筆棟數 1339590 non-null object 9 移轉層次 985894 non-null object 10 總樓層數 984834 non-null object 11 建物型態 1339590 non-null object 12 主要用途 964280 non-null object 13 主要建材 986102 non-null object 14 建築完成年月 965641 non-null object 15 建物移轉總面積平方公尺 1339590 non-null object 16 建物現況格局-房 1339590 non-null object 17 建物現況格局-廳 1339590 non-null object 18 建物現況格局-衛 1339590 non-null object 19 建物現況格局-隔間 1339590 non-null object 20 有無管理組織 1339590 non-null object 21 總價元 1339590 non-null object 22 單價元平方公尺 1313168 non-null object 23 車位類別 432942 non-null object 24 車位移轉總面積平方公尺 1112061 non-null object 25 車位總價元 1339590 non-null object 26 備註 418373 non-null object 27 編號 1339590 non-null object 28 Q 1339590 non-null object 29 車位移轉總面積(平方公尺) 227529 non-null object 30 主建物面積 227529 non-null float64 31 附屬建物面積 227529 non-null float64 32 陽台面積 227529 non-null float64 33 電梯 165045 non-null object dtypes: float64(3), object(31) memory usage: 357.7+ MB None
-
內政部的實價登錄文件以
DataFrame形式concat後，必須要encoding = 'utf-16'才能讀取.csv，但同時卻無法有效地sep=','。解決方法：try
encoding = 'utf-8-sig' -
觀察到各縣市 raw data 中
鄉鎮市區欄位有各種小問題，如新竹市的鄉鎮市區資料中只有新竹市，又如台南市及數個縣市的鄉鎮市區資料中有NaN，故將資料丟入 Google，重新取得地理資訊。中華郵政 - 3+3郵遞區號應用系統 轉完得到
dbf檔特別注意
鄉鎮市區名重複：南區、信義區、東區、北區、中正區、中山區、大安區 -
政府資料開放平臺中
TWD97的.shp對於此討論主題而言範圍太大。原因：太平島（位於南沙群島，隸屬於高雄市旗津區中興里）
- 透過 MyGeodata Converter：觀察
.shp中描述的實際範圍
- 透過 MyGeodata Converter：觀察
-
中華郵政各鄉鎮市區郵遞區號所列舉的鄉鎮市區與
TWD97中的鄉鎮市區差異：TWD97的鄉鎮市區中尚少了以下三筆鄉鎮市區：- 宜蘭縣釣魚臺列嶼 290
- 海南東沙 817
- 海南南沙 819
- 將
-
視覺化處理
- 目前主要透過
geopandas結合matplotlib呈現。 - 未來會透過 Power BI / Tableau 呈現。
- 目前主要透過
- 資料只考慮「含有建物的交易」且「交易日期確實為民國 109 年」的資料。
- 因為此次試跑數據統整是取中位數，考慮到民國 109 年交易熱度，將單位地區交易筆數 < 3 筆的鄉鎮市區資料刪除，以免受極值影響。
- 統計資料與圖資
merge時是根據郵遞區號，但.shp中資料單位為鄉鎮市區，其中有些鄉鎮市區共用相同的郵遞區號（如：嘉義市東區、嘉義市西區皆為 600），故匯出的圖檔與資料會有錯誤。解決方式：重新做資料清洗，改以擷取地址，而非以郵遞區號連結地理資訊與數據資料。
- 地址無詳細含有縣市與鄉鎮市區（即僅有路名，或是鄉鎮市區名稱錯誤）者直接剃除，共剃除約一萬筆左右（大約佔符合前提資料量的 6 %），可能會造成小地區統計資訊偏差。
- 解決鄉鎮市區同名的問題：
- 撈取資料存取同時即新增縣市代碼欄位做為辨識。
- 數個鄉鎮市區共用相同郵遞區號，raw data 的欄位亦無區分。
如：嘉義市不論東區或西區，raw data 的資料皆為「嘉義市」，若未將其區分，繪得的圖會如第一次測試一樣，嘉義市部分沒有資料。
- 地址與地段前處理：
- 考量大多縣市 raw data 有準確率很高的鄉鎮市區資料，故需特別花時間處理的資料為「新竹市」、「嘉義市」。
- 建立路名、路段對照表。
- 新竹市要細分成：北區、東區、香山區
- 嘉義市要細分成：東區、西區
- 大多數可透過鄉鎮市區 + 縣市代碼對照完成，但有少數型態需要特別注意：
- 「新竹市新竹市」、「新竹市新竹市新竹市」、「xx里oo鄰」等等，需先去掉
- 地段名部分也要注意，尤其像是「中山段一小段」與「中山一小段」名稱細微的差異。
- 地址與地段前處理：
按照上述步驟，可以將實際交易日為民國 109 年共
392,237筆資料前處理至僅有79筆資料無鄉鎮市區。
- 資料分析：
- 因聚焦在各鄉鎮市區建物相關交易中每坪單價數據統計，故在有效的
392,158筆資料中，篩選出「建物」、「房地(土地+建物)」、「房地(土地+建物)+車位」三種交易標的，共計188,325筆。
- 因聚焦在各鄉鎮市區建物相關交易中每坪單價數據統計，故在有效的
.jpg "109年各縣市單價中位數(建物相關)")
.jpg "109年各縣市單價平均數(建物相關)")
.jpg "109年各縣市單價標準差(建物相關)")