用Python告訴你深圳房租有多高

2021-09-25 23:11:16 字數 2690 閱讀 4422

其中福田與南山的**分布是最多的。但這兩塊地的房租可是不菲啊。

即是 1 平方公尺 1 個月的**。方塊越大,代表**越高。

戶型主要以 3 室 2 廳與 2 室 2 廳為主。與小夥伴抱團租房是最好的選擇了,不然與不認識的人一起合租,可能會發生一系列讓你不舒服的事情。字型越大,代表戶型數量越多。

其中 30 - 90 平方公尺的租房佔大多數,如今之計,也只能是幾個小夥伴一起租房,抱團取暖了。

這是爬取的租房描述,其中字型越大,表示出現的次數越多。其中【精裝】佔據了很大的部分,說明長租公寓也占領了很大一部分市場。

/* 1 */

# 展示餅圖    def showpie(self, title, attr, value):        from pyecharts import pie        pie = pie(title)        pie.add("aa", attr, value, is_label_show=true)        pie.render()    # 展示矩形樹圖    def showtreemap(self, title, data):        from pyecharts import treemap        data = data        treemap = treemap(title, width=1200, height=600)        treemap.add("深圳", data, is_label_show=true, label_pos='inside', label_text_size=19)        treemap.render()    # 展示條形圖    def showline(self, title, attr, value):        from pyecharts import bar        bar = bar(title)        bar.add("深圳", attr, value, is_convert=false, is_label_show=true, label_text_size=18, is_random=true,                # xaxis_interval=0, xaxis_label_textsize=9,                legend_text_size=18, label_text_color=["#000"])        bar.render()    # 展示詞云    def showworkcloud(self, content, image_filename, font_filename, out_filename):        d = path.dirname(__name__)        # content = open(path.join(d, filename), 'rb').read()        # 基於tf-idf演算法的關鍵字抽取, topk返回頻率最高的幾項, 預設值為20, withweight        # 為是否返回關鍵字的權重        tags = jieba.analyse.extract_tags(content, topk=100, withweight=false)        text = " ".join(tags)        # 需要顯示的背景        img = imread(path.join(d, image_filename))        # 指定中文字型, 不然會亂碼的        wc = wordcloud(font_path=font_filename,                       background_color='black',                       # 詞云形狀,                       mask=img,                       # 允許最大詞彙                       max_words=400,                       # 最大號字型,如果不指定則為影象高度                       max_font_size=100,                       # 畫布寬度和高度,如果設定了msak則不會生效                       # width=600,                       # height=400,                       margin=2,                       # 詞語水平擺放的頻率,預設為0.9.即豎直擺放的頻率為0.1                       prefer_horizontal=0.9                       )        wc.generate(text)        img_color = imagecolorgenerator(img)        plt.imshow(wc.recolor(color_func=img_color))        plt.axis("off")        plt.show()        wc.to_file(path.join(d, out_filename))    # 展示 pyecharts 的詞云    def showpyechartswordcloud(self, attr, value):        from pyecharts import wordcloud        wordcloud = wordcloud(width=1300, height=620)        wordcloud.add("", attr, value, word_size_range=[20, 100])        wordcloud.render()

爬蟲到底可以有多簡單 python來告訴你

import requests content requests.get 不帶導入庫,就一行 是不是感覺如此簡單。當然這裡很多事情都是庫來幫我們完成的,但那不要緊,我們不是會用庫就行嗎?我也時常感覺python的靈魂其實就是一行 pip install 哈哈 有點扯遠了。上面的那行 雖然只做了一件事...

用SAN還是NAS?我來告訴你

通過對san和nas的比較,人們可以了解採用這兩種儲存系統架構時要考慮的事項。物件儲存和雲計算也會影響可用的儲存選項。儲存區域網路 san 是以一種結構連線的儲存,通常通過交換機連線,使許多不同的伺服器能夠輕鬆訪問儲存裝置。從伺服器應用程式和作業系統的角度來看,訪問san中的資料儲存或直接連線的儲存...

用SAN還是NAS?我來告訴你

通過對san和nas的比較,人們可以了解採用這兩種儲存系統架構時要考慮的事項。物件儲存和雲計算也會影響可用的儲存選項。儲存區域網路 san 是以一種結構連線的儲存,通常通過交換機連線,使許多不同的伺服器能夠輕鬆訪問儲存裝置。從伺服器應用程式和作業系統的角度來看,訪問san中的資料儲存或直接連線的儲存...