🧑 博主简介：曾任某智慧城市类企业算法总监，CSDN / 稀土掘金 等平台人工智能领域优质创作者。
目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。
一、引言
在房地产市场中，房价一直是人们关注的焦点。2025年7月，安徽省各市的房价情况如何？哪些城市的房价较高？哪些城市的房价同比和环比变化较大？本文将通过Python和pyecharts库，对2025年7月安徽省各市房价情况进行深度解析和可视化展示。
二、数据准备
首先，我们需要准备数据。这里我直接使用了安徽省各市房价情况的数据集，包含排名、区域、单价、同比和环比等字段。
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Bar, Line, Pie, Map, Page, Scatter, Radar, Timeline
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
import numpy as np
# 数据准备
data = {
"排名": list(range(1, 17)),
"区域": ["合肥", "芜湖", "黄山", "马鞍山", "池州", "宣城", "蚌埠", "安庆", "阜阳", "亳州", "淮北", "铜陵", "宿州", "滁州", "六安", "淮南"],
"单价(元/㎡)": [14873, 9220, 7915, 7619, 7346, 7240, 6834, 6538, 6442, 6396, 6256, 6114, 5838, 5772, 5748, 5171],
"同比(去年)": [-0.1885, -0.1012, -0.0158, -0.0824, -0.0271, -0.043, -0.0877, -0.0649, -0.0525, -0.051, -0.0758, -0.0331, -0.0988, -0.061, -0.0193, -0.0969],
"环比(上月)": [4.44, -0.55, 2.44, -1.16, 4.34, -0.17, 0.15, -0.15, -0.53, -0.31, -0.24, 9.21, 0.09, -0.61, -0.16, 0.68]
}
df = pd.DataFrame(data)
三、可视化设计
我们将从多个角度对数据进行可视化分析，包括柱状图、折线图、饼图、地图和雷达图等，最终生成一个可移动的可视化大屏。
3.1 柱状图 - 各市房价排名
柱状图可以直观地展示各市的房价排名情况。通过柱状图，我们可以清晰地看到哪个城市的房价最高，哪个城市的房价最低。
def bar_chart() -> Bar:
bar = (
Bar(init_opts=opts.InitOpts(bg_color="#0d0d0d", theme=ThemeType.DARK))
.add_xaxis(df["区域"].tolist())
.add_yaxis("单价(元/㎡)", df["单价(元/㎡)"].tolist(), category_gap="50%",
itemstyle_opts=opts.ItemStyleOpts(color="#ff6347"))
.set_global_opts(
title_opts=opts.TitleOpts(
title="2025年7月安徽省各市房价排名",
title_textstyle_opts=opts.TextStyleOpts(color="#fff")
),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color="#fff")),
yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color="#fff")),
legend_opts=opts.LegendOpts(textstyle_opts=opts.TextStyleOpts(color="#fff"))
)
)
return bar
3.2 折线图 - 同比与环比变化
折线图可以展示各市房价同比和环比的变化趋势。通过折线图，我们可以看到哪些城市的房价同比和环比变化较大。
def line_chart() -> Line:
line = (
Line(init_opts=opts.InitOpts(bg_color="#0d0d0d", theme=ThemeType.DARK))
.add_xaxis(df["区域"].tolist())
.add_yaxis("同比(去年)", df["同比(去年)"].tolist(), is_smooth=True,
linestyle_opts=opts.LineStyleOpts(width=2, color="#4682b4"))
.add_yaxis("环比(上月)", df["环比(上月)"].tolist(), is_smooth=True,
linestyle_opts=opts.LineStyleOpts(width=2, color="#2e8b57"))
.set_global_opts(
title_opts=opts.TitleOpts(
title="2025年7月安徽省各市房价同比与环比变化",
title_textstyle_opts=opts.TextStyleOpts(color="#fff")
),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color="#fff")),
yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color="#fff")),
legend_opts=opts.LegendOpts(textstyle_opts=opts.TextStyleOpts(color="#fff"))
)
)
return line
3.3 饼图 - 房价区间分布
饼图可以展示各市房价在不同区间内的分布情况。通过饼图，我们可以看到安徽省各市房价的整体分布情况。
def pie_chart() -> Pie:
bins = [5000, 6000, 7000, 8000, 9000, 10000, 15000]
labels = [f"{bins[i]}-{bins[i+1]}" for i in range(len(bins)-1)]
counts, _ = np.histogram(df["单价(元/㎡)"], bins=bins)
pie = (
Pie(init_opts=opts.InitOpts(bg_color="#0d0d0d", theme=ThemeType.DARK))
.add("", [list(z) for z in zip(labels, counts.tolist())], radius=["30%", "70%"],rosetype="area")
.set_global_opts(
title_opts=opts.TitleOpts(
title="2025年7月安徽省各市房价区间分布",
title_textstyle_opts=opts.TextStyleOpts(color="#fff")
),
legend_opts=opts.LegendOpts(textstyle_opts=opts.TextStyleOpts(color="#fff"),is_show=True)
)
)
return pie
3.4 地图 - 安徽省各市房价分布
地图可以直观地展示各市房价的地理分布情况。通过地图，我们可以看到安徽省各市房价的区域差异。
def map_chart() -> Map:
df["区域"] = df["区域"]+'市'
map_data = [list(z) for z in zip(df["区域"], df["单价(元/㎡)"])]
map_ = (
Map(init_opts=opts.InitOpts(bg_color="#0d0d0d", theme=ThemeType.DARK))
.add("单价(元/㎡)", map_data, "安徽")
.set_global_opts(
title_opts=opts.TitleOpts(
title="2025年7月安徽省各市房价分布",
title_textstyle_opts=opts.TextStyleOpts(color="#fff")
),
visualmap_opts=opts.VisualMapOpts(
min_=5000, max_=15000, pieces=[
{"min": 14000, "color": "#ff4500"},
{"min": 12000, "max": 13999, "color": "#ff8c00"},
{"min": 10000, "max": 11999, "color": "#ffd700"},
{"min": 8000, "max": 9999, "color": "#00bfff"},
{"min": 6000, "max": 7999, "color": "#00ced1"},
{"min": 5000, "max": 5999, "color": "#2e8b57"}
],
textstyle_opts=opts.TextStyleOpts(color="#fff")
)
)
)
return map_
3.5 雷达图 - 各市房价综合指标
雷达图可以展示各市房价的综合指标情况。通过雷达图，我们可以看到各市在单价、同比和环比三个指标上的表现。
def radar_chart() -> Radar:
radar = (
Radar(init_opts=opts.InitOpts(bg_color="#0d0d0d", theme=ThemeType.DARK))
.add_schema(
schema=[
{"name": "单价(元/㎡)", "max": 15000},
{"name": "同比(去年)", "max": 0,"min":-0.2},
{"name": "环比(上月)", "max": 5,"min":-1},
],
splitarea_opt=opts.SplitAreaOpts(is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1))
)
.add(
"合肥",
[[14873, -0.1885, 4.44]],
color="#ff6347",
label_opts=opts.LabelOpts(is_show=True, color="#fff")
)
.add(
"芜湖",
[[9220, -0.1012, -0.55]],
color="#4682b4",
label_opts=opts.LabelOpts(is_show=True, color="#fff")
)
.add(
"黄山",
[[7915, -0.0158, 2.44]],
color="#2e8b57",
label_opts=opts.LabelOpts(is_show=True, color="#fff")
)
.set_global_opts(
title_opts=opts.TitleOpts(
title="2025年7月安徽省各市房价综合指标",
title_textstyle_opts=opts.TextStyleOpts(color="#fff")
),
legend_opts=opts.LegendOpts(textstyle_opts=opts.TextStyleOpts(color="#fff"))
)
)
return radar
四、可视化大屏整合
最后，我们将所有图表整合到一个可移动的可视化大屏中，方便查看和分析。
def create_dashboard() -> Page:
page = Page(
page_title="2025年7月安徽省各市房价情况大屏",
layout=Page.DraggablePageLayout # 可拖拽
)
page.add(
bar_chart(), # 柱状图
line_chart(), # 折线图
pie_chart(), # 饼图
map_chart(), # 地图
radar_chart() # 雷达图
)
return page
# 生成HTML文件
dashboard = create_dashboard()
dashboard.render("anhui_house_price_dashboard.html")
print("大屏已生成：anhui_house_price_dashboard.html")
五、数据分析角度
5.1 房价排名
从柱状图可以看出：
- 合肥以14873元/㎡的单价位居榜首，远超其他城市。
- 芜湖和黄山分别以9220元/㎡和7915元/㎡位列第二、第三。
- 淮南以5171元/㎡的单价位居末尾。
5.2 同比与环比变化
从折线图可以看出：
- 同比：大多数城市的房价同比去年有所下降，其中合肥同比下降18.85%，芜湖同比下降10.12%。
- 环比：部分城市的房价环比上月有所上升，如黄山环比上升2.44%，铜陵环比上升9.21%。
5.3 房价区间分布
从饼图可以看出：
- 安徽省各市房价主要集中在5000-10000元/㎡区间，其中合肥和芜湖的房价较高，超过10000元/㎡。
5.4 地图可视化
从地图可以看出：
- 合肥、芜湖和黄山的房价较高，集中在皖中和皖南地区。
- 淮南、阜阳等城市的房价较低，集中在皖北地区。
5.5 综合指标分析
从雷达图可以看出：
- 合肥在单价、同比和环比三个指标上均表现突出，房价较高且同比降幅较大。
- 芜湖和黄山在单价上较高，但同比降幅较小，环比变化较为稳定。
六、总结
通过本次可视化分析，我们全面了解了2025年7月安徽省各市房价情况。从房价排名、同比与环比变化、房价区间分布、单价与同比环比关系、地图可视化和综合指标分析等多个维度进行了深入分析，揭示了安徽省房价的现状和趋势。
运行上述代码后，将生成一个名为 anhui_house_price_dashboard.html 的文件，用浏览器打开即可查看炫酷的可视化大屏。希望这篇文章对你有所帮助！
如果您在人工智能领域遇到技术难题，或是需要专业支持，无论是技术咨询、项目开发还是个性化解决方案，我都可以为您提供专业服务，如有需要可站内私信或添加下方VX名片（ID：xf982831907）
期待与您一起交流，共同探索AI的更多可能！
