2 数据分析
2.1 数据清洗
大连市房地产交易数据中存在部分无效数据，根据我们的不同需求，需要对数据进行清洗和筛选，数据处理主要依赖于Jupyter Notebook对数据进行处理，其中主要包括以下几个方面的筛选清除标准：
（1）去除重复的数据
（2）对于成交价格这一列，去除小于等于0的数据
（3）对于建筑面积这一列，筛选在44-144平方米的数据，主要是根据国家相关标准，普通居民住宅的面积在这个范围内
（4）然后再去除成交价格存在异常的数据，比如成交价格过大
（5）筛选结构是钢混、用途为住宅的数据，本文的分析主要针对住宅用途的房屋交易数据进行分析
（6）对楼层、总楼层数据转化为数字类型，并对无效数据进行去除
（7）筛选交易时间在2008-2017年的数据，并去除交易时间异常的数据
（8）根据需要筛选不同区域的数据，比如只需要甘井子区的数据，就筛选甘井子区的数据，或者需要市内五区的数据，就选择区域为市内五区的数据
2.2 数据分析
本部分以大连市（包括开发区、旅顺口等边区）的有效交易数据为基础，分析房屋成交套数和成交总面积在2008-2017的变化图，发现成交套数和成交面积趋势是一致的，并且在2017年是下降的，并且总体来说是下降趋势的，但是我们可以猜测平均房屋面积是上升趋势的，并进行分析验证。
图1 大连市2008-2017房屋成交套数变化图
图2 大连市2008-2017房屋成交面积变化图
有图3可以看到房屋的平均面积是明显的上升趋势，可以看出大家对生活质量的追求和提升。
图3 大连市2008-2017房屋购买的平均面积
本部分主要筛选大连市市内五区（包括甘井子区、中山区、高新园区、西岗区、沙河口区）的平均房价的变化趋势，有可视化的结果可以看到，各区域的平均房价在08-11年区间有比较明显的上涨，在12-17年有一定的波动，但是可以维持基本的稳定。
图4 大连市内五区2008-2017平均房价变化柱状图
图5 大连市内五区2008-2017平均房价变化折线图
由图5可以发现在2015年的中山区房价数据中，是一个异常点，中山区房价原本在市内五区中一直处于比较高的位置，而在2015年房价异常，所以我们需要对这部分数据进行分析，发现在2015年中山区的房价数据中，共2526条数据中，房价低于1万/平方米的数据共1224条，对这部分数据分析发现，都是由同一房地产开发公司“大连圣北开发有限公司”开发，而这个公司在2015年的主要业务都集中在中山区。
（1）房屋购买者地区分布
由图6可以得到，从2008-2017年大连市的房屋购买者户籍地在大连的仍旧是购买主力军，占据到70.8%，其中大连市内和大连周边购买者数量基本持平。同时，由图7可以看出，来自本省的购买者占据到80%左右。
图6 房屋购买者地区分布
图7 房屋购买者省内省外分布
由图8可以看出，在2008-2012年的5年间和2013-2017年的五年间，房屋购买者省内省外的比例基本一致，从数据中可以看出，大连市在人才吸引、吸引外地人等方面还需要努力。
图8 08-12和13-17年房屋购买者地区分布对比
（2）房屋购买者户型选择
由图9可以看出，大连市房屋的购买者中，二居室占比例最高，为60.49%，其次是一居室，然后是三居室，四五六居室仅占不到1%的比例，所以可以分析二居室是大家最钟爱的户型，实用而且在购买压力上可以接受。大户型不是大家不喜欢，主要是因为没有钱，所以我们可以猜测，在小户型和大户型购买者中，年龄分布一定有一定的特点。
图9 房屋购买者户型选择分布图
由图10可以看出，二居室的购买者中20-40岁占到接近55%，而五居室购买者中，40岁以上占据到61.31%，所以我们基本可以得出，大户型购买者主要是事业比较成功的中年人，二居室购买者主要是打拼期的青壮年。
图10 二居室和五居室房屋购买者年龄分布图