摘 要

衡阳市作为区域中心城市，其二手房市场的价格波动受到多重因素影响，传统的分析方法难以满足精准定价与决策的需求。本研究基于Python编程语言，利用Scrapy爬虫框架从主流房产平台实时抓取衡阳市二手房交易数据，通过Pandas进行数据清洗与特征工程处理。在算法实现上，将多元线性回归的解释性优势与随机森林的非线性拟合能力相结合，构建了针对衡阳房价的影响因素分析模型。研究重点考察了地理位置、建筑面积、房屋户型及周边配套等指标对价格的贡献权重，并基于Django框架开发了一套可视化分析系统。该系统通过Echarts图表直观展示市场规律，为购房者提供科学的参考依据。测试结果表明，该模型在房价预测方面具有较高的准确性，系统运行稳定，能够有效降低市场信息不对称带来的交易风险，为衡阳市房地产市场的健康发展提供了技术支撑。

目 录

摘 要

Abstract

1 绪 论

1.1 研究背景

1.2 研究意义

1.3 研究内容

2 系统相关技术

2.1 Python简介

2.2 Django框架介绍

2.3 大数据介绍

2.4 Echarts介绍

2.5 Scrapy爬虫

2.6 本章小结

3 系统分析

3.1 需求分析

3.1.1系统总体分析

3.2 可行性分析

3.2.1 经济可行性

3.2.2 技术可行性

3.2.3 运行可行性

3.3 需求分析

3.4 系统流程分析

3.4.1 登录流程图

3.4.2 添加新用户流程图

4. 数据库设计

4.1系统功能结构图

4.2 数据库E-R图设计

4.3系统数据表设计

5 详细设计

5.1前台用户功能实现

5.2 后台管理员功能的实现

5.3 智能房价分析与预测看板展示

6 系统测试

6.1 功能测试

6.2 可用性测试

6.3 维护测试

6.4 性能测试

6.5 测试结果分析

结论

参考文献

致谢

1 绪 论

近年来衡阳市城镇化建设步伐不断加快。随着城市版图的扩张以及人口向城区集中，住房需求呈现出多元化的增长态势。在当前房地产市场调控政策持续收紧的大环境下，新房市场的供应节奏受到一定限制，这使得二手房交易逐渐成为了衡阳市住房消费的重要组成部分。对于普通购房者来说，二手房具备地段成熟、配套设施完善以及能够即买即住的优势，但同时也面临着价格透明度不高、影响价格的变量过多等实际问题。引入数据挖掘技术和机器学习算法对市场数据进行深度建模，能够更科学地揭示衡阳市二手房价格的分布规律，这不仅能为购房者提供决策参考，也对相关部门制定市场引导政策具有一定的理论支持作用。

2 系统相关技术

本系统依托Python语言进行开发，基于Django框架搭建后端服务，利用Scrapy爬虫采集二手房市场数据，结合大数据技术完成数据挖掘与分析。通过Echarts可视化工具实现房价数据图表展示，搭配MySQL数据库完成数据存储，构建出功能完善、运行稳定的衡阳市二手房智能分析预测系统。

4.数据库设计

系统功能结构图展示了系统的功能。系统分为管理员和用户两大角色。管理员可以管理用户信息、审核注册、分配权限；录入、更新和删除新房数据；维护预测模型，确保准确性；进行系统设置、数据备份等操作；展示关键数据指标；管理自身账号信息。用户可以查看房价数据和动态；查询新房详细信息，辅助决策；获取房价预测结果；查看行业新闻和政策解读；管理个人资料和收藏记录。

5 详细设计

管理员点击衡阳市二手房；在衡阳市二手房页面中输入标题、均价(元/平)、建面、类型，进行搜索，“添加”用于录入新房数据；“删除”可移除无用信息；“爬取数据”借助Scrapy爬虫从网络获取最新房源；“数据清洗”能规整处理杂乱数据，提升数据质量。整体方便用户管理和分析衡阳市二手房数据；如图5-10所示。

图5-10衡阳市二手房界面图

管理员点击线性回归预测；在线性回归预测页面中输入标题、类型、均价(元/平)，进行搜索，“添加”可录入新数据，扩充样本；“删除”用于剔除无效数据；“预测结果”按钮应是触发线性回归模型运算，基于现有数据得出房价预测值；如图5-11所示。

图5-11线性回归预测界面图

智能房价分析与预测展示图，“均价统计”折线图展示不同楼盘均价走势，直观呈现房价波动。“标题”词云图，字体大小反映楼盘名称提及频率。

图5-12智能房价分析与预测展示图

6 系统测试

测试数据分析显示，该系统具有跨平台运行能力，可确保用户数据安全，支持后续功能扩展与修改，已完整实现预设功能模块，各项性能指标均满足毕业设计标准。