过年之后，很多人选择租房。我的不少朋友告诉我，"之前你公众号发布的北京买房攻略很有趣，可是不接地气，能不能分析一下帝都租房啊"！
我想也是，春节后我配置了爬虫工具，从北京各大中介网站抓取了8万余条租房数据。其实经过去重和过滤，剩下的不过两万余条。我估算，整个租房市场在春节后这个旺季，也就2万左右的存量。
◆ ◆ ◆
第一因素：面积！单间or整租？
对于什么面积性价比高，只需要下面这一张图就一目了然：
当面积达到8平米时，均价达到最高，北京邮电大学附近的一间9平米的单间，都能租到2600元！相比之下，60-100平这个区间平均租金比较便宜。100平以上，小区和装修都相对高端，所以均价高。如果租单间，15平米是性价比最高的。
所以，赶紧拉上你的基友，闺蜜，男女朋友去整租吧！不仅更安全方便，而且分摊后租金低很多！
◆ ◆ ◆
第二：地段，从南到北，该租哪里？
在下面统计时，为了便于理解，单间统一换算为15平的价格，整租换算为65平的价格。
下图是北京所有小区的平均租房单价，中关村，魏公村，国贸，三元桥都不便宜，大学聚集区和商业区的租金普遍较贵。
我们再以3D的形式绘制价格热力图（不同颜色代表不同区县，密集喜爱症福音）：
再研究不同区县的价格，为了便于观察，我把绿中介的自如单间均价都换算为15平米：
出乎意料，曾经房价霸主西城，却在租金上败下阵来，还不如海淀东城。
我好奇五号线沿线的价格是如何分布的，于是做了一张下面的图：
请仔细看曲线的下降点，这些都是北京环路的绿隔，没什么商业，整体租金都会偏低，但非常不建议租这些地方，在北京的人都知道过天桥有多麻烦。
再看单间最贵的区域：学校周围的单间尤其贵，这应该也是供求关系导致的。
再看整租：
金融街高富帅遍地，朝阳公园，工体都是外国人，他们自然要选择整租，我所在的太阳宫有不少高端住宅，拉高了整体租金，真是过不下去了！
◆ ◆ ◆
那朝向，楼层和房龄呢
整租时，价格对朝向和楼层都不是很敏感，但单间是很敏感的。先看朝向，显而易见，因为采光通风较好，南北卧和西南卧是最贵的，相比北卧是最差的，价格差距在400左右。
独立卫生间简直不要太方便，万恶的中介，不论是卫生间还是阳台，都算入了房间的面积。 有卫生间的单间不超过1%，至少贵600块钱：
最后看楼层，自如的房子，出乎意料的给了准确地楼层，给了我宝贵的数据：
二层最贵，一层最便宜，三层和以上差不多。道理也简单啊，一层采光不好，而且比较潮。高层爬楼比较麻烦。
顺便一提，高端小区房龄新，租金贵，但2000年以前的小区，租金和房龄没什么关系，相关系数只有0.048。
◆ ◆ ◆
装修：租户看房最重要的因素
看看装修对价格的影响。想低价租房，就不要对装修有任何期待，只要刷过白墙，中介都会兴冲冲的告诉你，那是“精装修”。
虽然自如的房子进行了统一的装修，还有保洁和无线，统计之后大吃一惊，15平米的自如要比普通单间平均贵了800块钱！这个差价，已经够办一年的宽带了！
◆ ◆ ◆
装上班族最看重的：地铁
在北京，上班最重要的是坐地铁方便，因此我统计了全北京12000个小区的信息，并计算了每个小区到最近地铁站的步行距离。看得出地铁对租金的影响还是很大的，相关系数为0.29。基本上，每离地铁近100米，65平米房子的租金就会贵200块钱。不过在地铁站400米范围内，地铁对价格的影响并不显著了。
下面绘制了到地铁站步行距离和租房单价的散点图:
◆ ◆ ◆
租售比：租房还是买房划算
现在租房这么贵，买不起房也租不起房，我们不妨看看租售比，也就是租这套房子多少年，就能买下这套房：
可以看出，西城的租售比特别的高，因为西城房价高主要因学区导致。居住条件并不如人意。
租售比特别低的房子，都属于商住两用，租金高，不能落户所以售价低。
因此想靠出租获利的各位财主，买租售比低的房子是你们的首选。在北京，平均40年的租房时间，即可买下一套房。买的房子还能买卖，房子的租金就彻底打水漂了。
◆ ◆ ◆
结论： 远离商业区和学校
由于租房不同于买房，市场瞬息万变，尽量要避开学校和商业区，或选择远郊离地铁近的小区，租金差异远远大于出行费用差异。
总体来看，租房主要是挑小区，同一小区内，除非装修差太多，否则价格不会有太多差异。
笔者统计了北京所有小区的售房均价，租房均价，户数，租售比，地铁步行距离，物业等非常详尽的数据表格，共计12200条。选择一个区域，就可以很方便地确定哪个小区是比较合适的。有需求者请在文末留言或关注公众号“沙漠之鹰”，留言留下您的邮箱。
一篇文章难以帮助到每个具体想租房的人，因此，下表是北京200个片区的平均价格（以65平米计算）和存量和平均面积，方便各位读者参考。
赵一鸣，2007级北邮通信工程专业，2014年硕士毕业，从事大数据开发，包括编译，爬虫和数据清洗，可视化分析等。马拉松和无器械健身爱好者。
原文发布时间为：2016-02-21
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
