做房产数据分析的人，应该都经历过这种尴尬：想研究某个板块的房价走势，翻遍公开数据，要么只有整个城市的平均值，要么只有季度甚至年度的颗粒度，根本没法看清“哪个区在涨、哪个区在横盘”。我这些年折腾各类数据源，最深的一个体会是——把数据从市级下沉到区县级，把时间刻度从季度切到逐月，能解锁的分析思路完全不一样。最近看到这份2019-2025年我国区县逐月新房房价数据，发现它正好同时满足这两个关键条件，还贴心地提供了Excel和Shp两种格式，所以想好好拆一拆它到底怎么用、能做什么、有什么坑。这份数据覆盖全国区县维度，以月份为时间刻度，记录了新房住宅价格的长期序列。对做宏观趋势判断、板块对比、GIS空间可视化的朋友来说，它解决的是“区域冷热不均”和“趋势跟踪滞后”这两个核心痛点。我打算先从数据结构讲起，再聊数据清洗的细节，最后给出一套从Excel分析和Python出图到QGIS专题图的可落地方案。1. 这份数据到底装了什么：先看结构和字段1.1 区县级加上逐月，这个组合为什么稀缺经常研究房地产数据的朋友都知道，数据源很多，但真正好用的少。宏观层面的指数到处都是，但那不是给你做片区研究用的；到了城市层面，数据开始变得粗糙，一年四个季度就算不错的粒度了；再往下走到区县，公开数据就非常零散。区县级和逐月这两个属性凑在一起，稀缺性是加倍的。先说逐月。年度数据太“钝”，季度数据滞后明显，而月度几乎是捕捉行情拐点的最小可用刻度。一份从2019年1月开始的逐月数据，意味着你能复现六年多时间里每一个短期波动节点，比如年初数据惯性、年中供应放量带来的价格结构变化、年末成交节奏变化对均价的影响。这些细节在季度数据里会被直接抹平，根本看不出来。再说区县级。市级均价是最容易骗人的指标，因为同一个城市内部，核心区和远郊完全是两种市场。把上涨板块和横盘板块混在一起求平均，得到的结果谁都不代表。只有到区县这个颗粒度，才能回答“这个城市里到底是哪里在领涨、哪里最抗跌、哪里还在阴跌”。对投拓、研究和普通购房者来说，这个颗粒度的信息量完全不一样。1.2 同一份数据为什么要同时出Excel和Shp两个版本我先说结论：这两个格式解决的是完全不同的问题。Excel版解决的是“算”的问题，Shp版解决的是“画”的问题。很多数据产品只给表格，给Shp的很少，因为整理边界数据、做好属性绑定、保证代码能对上，需要额外花不少功夫。格式核心用途典型场景Excel筛选、透视、制表、建模拉出某个区县的时间序列，算环比同比，做常规图表Shp空间关联、地图渲染、空间统计给区县多边形上色生成专题地图，做空间自相关分析如果你只是做价格序列对比、涨幅排名，Excel完全够用，没必要把问题复杂化。但一旦涉及空间视角，比如想看看“高价区县在地图上是不是成片聚集”“某个板块向外传导的路径是什么”，Shp格式就变得不可或缺。这份数据把“区县行政边界”和“房价属性”绑定在了一起，省去了你到处找带行政区划代码的边界文件再手工关联的麻烦。1.3 上手第一步：先认全这些核心字段不管打开Excel还是Shp的属性表，字段逻辑是统一的。常见的字段大概有下面这些：行政区划代码：6位数字，县级标准代码，这是贯穿所有数据关联操作的主键省份、城市、区县名称：用于快速筛选和理解层级关系年月：记录数据所属月份，格式可能是“2019-01”或“2019年1月”新房均价：当月纳入统计的新房住宅均价环比涨跌幅：与上一个月比较的价格变化百分比同比涨跌幅：与上一年同月比较的价格变化百分比样本量：纳入统计的楼盘数量或成交记录条数这里我要特别强调样本量字段，很多人会忽略它，但它是判断数据可靠性的命门。举个例子：某个区县本月均价从1万跳到1.3万，看着像是暴涨，结果你把样本量一打开，发现本月只有1个高端楼盘开盘，其他楼盘零成交，那么这个涨幅根本不是真实的市场信号，而是样本结构变化造成的假波动。没有样本量字段，你连判断的基础都没有。还有一点要注意：字段命名在不同版本里可能不一致，比如均价在Excel里可能叫“均价”，到Shp属性表里就简写成“avg_price”或者“JZ”。所以拿到数据的第一件事，是把所有列名过一遍，确认每个字段的含义，再开始动手分析。2. 别急着分析：数据清洗的五个关键动作2.1 一致性检查：代码、时间、名称一个都不能少很多朋友拿到别人整理好的数据，感觉挺干净，就直接透视出图，结果跑起来全是问题。我踩过太多坑，按出现频率排序，第一个坑几乎总是行政区划代码。这几年县级行政区划调整并不少见，有的县改了区，有的市辖区合并，有的新区启用了新代码。如果你拿2025年的数据关联一份旧版区划边界，很多区县会对应不上。处理方法是统一以最新行政区划代码为准，先建一张新旧名称映射表。第二个坑是时间字段格式不统一，有的写“2019-01”，有的写“2019.1”，有的写“2019年1月”，有的干脆是八位数“201901”。分析前务必统一成标准时间格式，否则排序会乱，透视表还会把同一个月拆成两个部分。第三个坑是名称和代码对不上，同名不同区、同区不同名在数据拼接时经常上演。我自己的铁律是：统一用6位行政区划代码做主键，名称只用来人肉核对，绝不拿名称做关联。2.2 价格字段的三个口径陷阱，不懂要吃亏房价数据最容易翻车的地方是口径。同样是“新房均价”，数据源不同，算法可能完全不同，放在一起比较等于把苹果和橘子相加。第一种是网签口径，统计当月实际网签合同的价格。优点是样本量大、贴近市场成交，但缺点也很明显：有些签约为了各种原因做低或做高价格，极端值会直接影响均值。第二种是备案口径，来自预售许可的备案价格。这类价格的波动天然滞后于真实成交，因为调整备案价有流程有周期，看到的数据往往慢一拍。第三种是统计口径本身的范围差异：有的数据把保障房、安置房包含进去，有的只统计商品住宅，有的剔除别墅，有的不剔除。哪怕同一个区县，用不同口径算出来的均价能差出两成。所以拿到数据后，我的习惯是先做一轮价格合理性扫描。把每个区县的月度序列拉出来，用折线图看有没有突兀的跳点，然后回看样本量和原始说明，判断跳变是真实行情还是口径变化。这十分钟的检查，能在后面省下几小时的返工。2.3 一份可复用的Pandas清洗脚本，拿走不谢整理这类数据，我建议直接用Python一把梭，效率比手工操作高太多。下面这段脚本是我处理同类数据的通用套路，可以直接抄：import pandas as pd df = pd.read_excel("house_price.xlsx", dtype={"区划代码": str}) # 1. 统一时间格式 df["年月"] = pd.to_datetime(df["年月"], format="%Y-%m").dt.to_period("M") # 2. 区划代码补零，确保是6位字符串 df["区划代码"] = df["区划代码"].str.zfill(6) # 3. 缺失值规则：样本量为0或空值时，均价直接标记为缺失 df.loc[df["样本量"].isna() | (df["样本量"] == 0), "均价"] = pd.NA # 4. 去除同一区县同一月份的重复记录，保留样本量最大的一条 df = df.sort_values("样本量", na_position="last") df = df.drop_duplicates(subset=["区划代码", "年月"], keep="last") # 5. 计算环比涨幅 df = df.sort_values(["区划代码", "年月"]) df["环比涨幅"] = df.groupby("区划代码")["均价"].pct_change() * 100 # 6. 导出清洗结果 df.to_csv("house_price_clean.csv", index=False, encoding="utf-8-sig")这段脚本里有几个细节值得展开说说。排序那行很多人会省略，但如果不去重前先按样本量排序，保留规则就是随机的，同一份数据分析三次可能得到三个不同结果。补零那步看着简单，实际非常关键，Excel读进来的行政区划代码会被当成数值，前导0丢失，和Shp属性表里的字符型代码对不上，后面所有关联都会失败。3. 三大分析方向：从涨幅排行到空间洞察3.1 方向一：五分钟建立一张区县涨幅排行表日常分析中Excel依然是最顺手的工具。数据清洗完之后，直接插入数据透视表：行放区县名称，列放年月，值放均价，然后拉出环比或同比计算，一份当月涨跌榜就出来了。熟练的话，从打开文件到得到榜单，五分钟以内可以完成。进阶玩法是条件格式。选中最右侧的涨幅列，用红绿双色色阶做渲染，哪个板块在启动、哪个板块在回落，一眼就能看出来。如果你要把这张表发给别人，建议把列宽锁定、数值格式统一，再进行筛选，成品会显得专业很多。这里有个小提醒：红色代表上涨、绿色代表下跌只是行业习惯，各团队可能相反，关键是内部统一，别搞混。3.2 方向二：用“时间差”找出板块传导链市级研究很难观察板块传导，但区县数据到位之后，这个概念就变得可操作了。把同一个都市圈里的区县拉出来，对比它们的月度曲线，你会发现市场启动往往不是所有地方同步，而是从某个核心区开始，顺着交通线路向外围扩散。用逐月数据，你可以做一个简单的领先滞后分析。这个分析不需要高深的模型，把两条序列放到同一张折线图上，手动错位两到三个月对比，肉眼就能看出先后关系。比如某区县价格开始上涨两个多月后，相邻区县才开始跟进，这样的节奏感在市级数据里完全看不到。我建议每做一次这样的小对比，就做一个标注记在笔记里，积累几个周期之后，你对城市板块格局的理解会比只看地图深刻得多。3.3 方向三：Shp带来的空间统计视角一旦进入Shp格式，分析就打开了另一个维度。最常见的操作有三类。第一类是专题图渲染，把均价或涨幅字段绑定到区县边界多边形上，用分级设色做成热力地图。这是最直观的成果展示方式，也是Shp格式最核心的价值。第二类是空间自相关分析，常用的是莫兰指数，用来判断房价在空间上是否存在聚集效应。实操中你会发现，高值区县和低值区县往往各自聚集，形成典型的空间分层结构。第三类是叠加分析，把房价和地铁站点密度、教育资源数量、商圈分布放在一起做协同分析。区县房价数据是整个分析链条的地基，没有它，后面所有叠加研究都无从谈起。4. Shp格式实操：从边界文件到专题图4.1 拿到Shp先检查，别急着拖进软件Shp是GIS里的通用矢量格式，但它不是“一个文件”，而是一组文件。完整的一套至少包含.shp（几何坐标）、.shx（索引）、.dbf（属性表）、.prj（坐标参考信息）。如果缺了.prj，软件不知道坐标参考系统，图层可能会画到错误位置甚至画不出来。常见的还有.sbn和.sbx空间索引文件，以及.cpg字符编码文件，少了一两个通常不影响打开，但打包传输时最好整包带上。我见过太多人只复制了一个“.shp”文件，拖进QGIS就报错“无法打开图层”，原因基本是.shx或.dbf没有跟着一起复制。记住，Shp是系列文件，必须成套使用。解压之后也先确认一下文件都在，再开始操作。4.2 Python一条龙：读取、关联、出图如果不想开GIS软件，用Python和geopandas就能完成全套工作流。示例代码：import geopandas as gpd import matplotlib.pyplot as plt import pandas as pd # 读取边界与房价数据 boundary = gpd.read_file("county.shp") df = pd.read_csv("house_price_clean.csv", dtype={"区划代码": str}) # 按行政区划代码做属性连接 merged = boundary.merge(df, left_on="区划代码", right_on="区划代码", how="inner") # 筛选某一个月 target = merged[merged["年月"] == "2024-06"] # 分级设色出图 ax = target.plot(column="均价", cmap="RdYlGn_r", legend=True, scheme="Quantiles", k=6, figsize=(10, 8)) ax.set_title("2024-06 区县新房均价分布") ax.set_axis_off() plt.tight_layout() plt.savefig("house_price_map.png", dpi=200)这段代码中最容易出问题的不是绘图，而是merge这一步。两边关联字段类型不一致时，比如一边是字符型“110102”，另一边是数值型110102，匹配结果会出现大量空值，地图上就是大片空白。所以我在读CSV时就强制指定区划代码为字符串类型，再从源头用zfill补位，把这个坑提前填平。4.3 QGIS图形化操作：不写代码也能出正式图不想碰代码的朋友，QGIS是最省心的选择。操作路径很固定：先把Shp拖进图层面�板，如果里面的属性表只有边界没有房价数据，就通过“图层”菜单里的“属性连接”，把Excel按行政区划代码关联进来。然后双击图层打开样式设置，选择“分级”渲染，字段选“均价”，模式选“分位数”，颜色带选红绿渐变，一张专题图雏形就出来了。最后用“布局管理器”新建布局，添加地图、图例、比例尺和指北针，导出PNG或PDF，就是一张可以直接发布的结果图。整个过程熟练之后，十分钟足够完成。我每次做完都会检查一下属性表里的记录数，如果连接后记录数明显减少，八成是关联字段类型不匹配，这是QGIS里最经典的问题。5. 常见问题与排坑实录：这些细节决定数据能不能用5.1 区县数据缺失了，补全还是删除区县级数据天然存在缺失，原因多种多样：有的区县当月确实没有新房成交，有的数据源覆盖不到，有的新区成立时间晚，只有最近几年的记录。我的经验是，处理方式取决于分析目的。做时间序列分析时，我倾向于用前向填充或线性插值补缺失月份，但有一个前提：如果某个区县连续超过半年没有成交记录，说明市场活跃度极低，插补出来的数字没有统计意义，宁可直接剔除。做横截面排行时则反过来，用“最近一个有数据的月份”参与比较，并在报告里注明数据时点，避免拿不同月份的数值做横向对比。5.2 行政区划调整导致的数据断档怎么解这是区县数据分析最绕不开的现实问题。行政区划代码不是一成不变的，这几年撤县设区、乡镇合并、新区成立持续发生，最稳妥的做法是建立一张新旧名称对照表，把所有历史数据映射到当前区划口径下再分析。具体操作上，我会先把数据里所有区县名称拉成清单，逐一核对最新代码。已经撤销或者合并的区县，要根据原始归属做拆分或合并计算，这个过程确实麻烦，但绝不能省。否则图上会冒出一堆“幽灵区县”，名字还在属性表里，到最新版边界上却找不到对应图形，最终做任何空间分析都会报错。5.3 Shp中文乱码，不是玄学是编码问题GIS新手遇到中文乱码，第一反应往往是数据坏了。其实原因很直接：Shp的dbf属性表里，字符串编码要么是UTF-8要么是GBK，软件默认的解码方式不对，就会显示一堆乱码。解决办法也简单，QGIS里加载图层时手动选择Encoding为UTF-8或GBK，试到正确为止。如果用Python处理，就在geopandas读取时明确指定encoding参数，比如encoding='utf-8'或encoding='gbk'。用代码控制编码，比在GUI里反复试错省心得多。5.4 均价突然大涨大跌，到底信还是不信这是最核心的判断题。任何区县只要出现单月均价大幅波动，先别急着下结论，按三步走：第一步查样本量，样本量很小就基本可以认定为结构性波动；第二步查当月新开楼盘，如果大量成交集中在某类产品上，说明是供应结构变化导致的，而非整体价格变化；第三步查相邻月份，假如前后几个月都很稳定，只有单月突变，大概率是数据口径或纳入项目调整造成的假信号。做完这三步查证，你就有底气在报告里写“该区县本月均价变动主要受样本结构影响”，而不是被一个孤立跳点带偏整份研究的结论。我个人的习惯是，拿到这类数据头一个星期只做一件事：摸清楚字段的“脾气”，而不是急着出图。数据是死的，但字段口径、代码规则、缺失形态这些“脾气”是活的，花半小时把区划代码和月份格式统一好，后面所有分析都会顺；要是跳过这步直接出图，你大概率会在后续环节被各种莫名其妙的问题连环折腾。还有个实用的小技巧：Excel透视表做好之后，把列宽锁定、数值格式统一再往外发，收到表格的人对专业度的判断，往往就来自这些细节。区县级逐月房价数据，本身就是一轮很好的行情样本，建议你用它练两次板块对比、出一张专题图，做完之后你对“数据颗粒度”这个词的理解，会比读十篇分析文章都深刻。
做房产数据分析的人，应该都经历过这种尴尬：想研究某个板块的房价走势，翻遍公开数据，要么只有整个城市的平均值，要么只有季度甚至年度的颗粒度，根本没法看清“哪个区在涨、哪个区在横盘”。我这些年折腾各类数据源，最深的一个体会是——把数据从市级下沉到区县级，把时间刻度从季度切到逐月，能解锁的分析思路完全不一样。最近看到这份2019-2025年我国区县逐月新房房价数据，发现它正好同时满足这两个关键条件，还贴心地提供了Excel和Shp两种格式，所以想好好拆一拆它到底怎么用、能做什么、有什么坑。这份数据覆盖全国区县维度，以月份为时间刻度，记录了新房住宅价格的长期序列。对做宏观趋势判断、板块对比、GIS空间可视化的朋友来说，它解决的是“区域冷热不均”和“趋势跟踪滞后”这两个核心痛点。我打算先从数据结构讲起，再聊数据清洗的细节，最后给出一套从Excel分析和Python出图到QGIS专题图的可落地方案。1. 这份数据到底装了什么：先看结构和字段1.1 区县级加上逐月，这个组合为什么稀缺经常研究房地产数据的朋友都知道，数据源很多，但真正好用的少。宏观层面的指数到处都是，但那不是给你做片区研究用的；到了城市层面，数据开始变得粗糙，一年四个季度就算不错的粒度了；再往下走到区县，公开数据就非常零散。区县级和逐月这两个属性凑在一起，稀缺性是加倍的。先说逐月。年度数据太“钝”，季度数据滞后明显，而月度几乎是捕捉行情拐点的最小可用刻度。一份从2019年1月开始的逐月数据，意味着你能复现六年多时间里每一个短期波动节点，比如年初数据惯性、年中供应放量带来的价格结构变化、年末成交节奏变化对均价的影响。这些细节在季度数据里会被直接抹平，根本看不出来。再说区县级。市级均价是最容易骗人的指标，因为同一个城市内部，核心区和远郊完全是两种市场。把上涨板块和横盘板块混在一起求平均，得到的结果谁都不代表。只有到区县这个颗粒度，才能回答“这个城市里到底是哪里在领涨、哪里最抗跌、哪里还在阴跌”。对投拓、研究和普通购房者来说，这个颗粒度的信息量完全不一样。1.2 同一份数据为什么要同时出Excel和Shp两个版本我先说结论：这两个格式解决的是完全不同的问题。Excel版解决的是“算”的问题，Shp版解决的是“画”的问题。很多数据产品只给表格，给Shp的很少，因为整理边界数据、做好属性绑定、保证代码能对上，需要额外花不少功夫。格式核心用途典型场景Excel筛选、透视、制表、建模拉出某个区县的时间序列，算环比同比，做常规图表Shp空间关联、地图渲染、空间统计给区县多边形上色生成专题地图，做空间自相关分析如果你只是做价格序列对比、涨幅排名，Excel完全够用，没必要把问题复杂化。但一旦涉及空间视角，比如想看看“高价区县在地图上是不是成片聚集”“某个板块向外传导的路径是什么”，Shp格式就变得不可或缺。这份数据把“区县行政边界”和“房价属性”绑定在了一起，省去了你到处找带行政区划代码的边界文件再手工关联的麻烦。1.3 上手第一步：先认全这些核心字段不管打开Excel还是Shp的属性表，字段逻辑是统一的。常见的字段大概有下面这些：行政区划代码：6位数字，县级标准代码，这是贯穿所有数据关联操作的主键省份、城市、区县名称：用于快速筛选和理解层级关系年月：记录数据所属月份，格式可能是“2019-01”或“2019年1月”新房均价：当月纳入统计的新房住宅均价环比涨跌幅：与上一个月比较的价格变化百分比同比涨跌幅：与上一年同月比较的价格变化百分比样本量：纳入统计的楼盘数量或成交记录条数这里我要特别强调样本量字段，很多人会忽略它，但它是判断数据可靠性的命门。举个例子：某个区县本月均价从1万跳到1.3万，看着像是暴涨，结果你把样本量一打开，发现本月只有1个高端楼盘开盘，其他楼盘零成交，那么这个涨幅根本不是真实的市场信号，而是样本结构变化造成的假波动。没有样本量字段，你连判断的基础都没有。还有一点要注意：字段命名在不同版本里可能不一致，比如均价在Excel里可能叫“均价”，到Shp属性表里就简写成“avg_price”或者“JZ”。所以拿到数据的第一件事，是把所有列名过一遍，确认每个字段的含义，再开始动手分析。2. 别急着分析：数据清洗的五个关键动作2.1 一致性检查：代码、时间、名称一个都不能少很多朋友拿到别人整理好的数据，感觉挺干净，就直接透视出图，结果跑起来全是问题。我踩过太多坑，按出现频率排序，第一个坑几乎总是行政区划代码。这几年县级行政区划调整并不少见，有的县改了区，有的市辖区合并，有的新区启用了新代码。如果你拿2025年的数据关联一份旧版区划边界，很多区县会对应不上。处理方法是统一以最新行政区划代码为准，先建一张新旧名称映射表。第二个坑是时间字段格式不统一，有的写“2019-01”，有的写“2019.1”，有的写“2019年1月”，有的干脆是八位数“201901”。分析前务必统一成标准时间格式，否则排序会乱，透视表还会把同一个月拆成两个部分。第三个坑是名称和代码对不上，同名不同区、同区不同名在数据拼接时经常上演。我自己的铁律是：统一用6位行政区划代码做主键，名称只用来人肉核对，绝不拿名称做关联。2.2 价格字段的三个口径陷阱，不懂要吃亏房价数据最容易翻车的地方是口径。同样是“新房均价”，数据源不同，算法可能完全不同，放在一起比较等于把苹果和橘子相加。第一种是网签口径，统计当月实际网签合同的价格。优点是样本量大、贴近市场成交，但缺点也很明显：有些签约为了各种原因做低或做高价格，极端值会直接影响均值。第二种是备案口径，来自预售许可的备案价格。这类价格的波动天然滞后于真实成交，因为调整备案价有流程有周期，看到的数据往往慢一拍。第三种是统计口径本身的范围差异：有的数据把保障房、安置房包含进去，有的只统计商品住宅，有的剔除别墅，有的不剔除。哪怕同一个区县，用不同口径算出来的均价能差出两成。所以拿到数据后，我的习惯是先做一轮价格合理性扫描。把每个区县的月度序列拉出来，用折线图看有没有突兀的跳点，然后回看样本量和原始说明，判断跳变是真实行情还是口径变化。这十分钟的检查，能在后面省下几小时的返工。2.3 一份可复用的Pandas清洗脚本，拿走不谢整理这类数据，我建议直接用Python一把梭，效率比手工操作高太多。下面这段脚本是我处理同类数据的通用套路，可以直接抄：import pandas as pd df = pd.read_excel("house_price.xlsx", dtype={"区划代码": str}) # 1. 统一时间格式 df["年月"] = pd.to_datetime(df["年月"], format="%Y-%m").dt.to_period("M") # 2. 区划代码补零，确保是6位字符串 df["区划代码"] = df["区划代码"].str.zfill(6) # 3. 缺失值规则：样本量为0或空值时，均价直接标记为缺失 df.loc[df["样本量"].isna() | (df["样本量"] == 0), "均价"] = pd.NA # 4. 去除同一区县同一月份的重复记录，保留样本量最大的一条 df = df.sort_values("样本量", na_position="last") df = df.drop_duplicates(subset=["区划代码", "年月"], keep="last") # 5. 计算环比涨幅 df = df.sort_values(["区划代码", "年月"]) df["环比涨幅"] = df.groupby("区划代码")["均价"].pct_change() * 100 # 6. 导出清洗结果 df.to_csv("house_price_clean.csv", index=False, encoding="utf-8-sig")这段脚本里有几个细节值得展开说说。排序那行很多人会省略，但如果不去重前先按样本量排序，保留规则就是随机的，同一份数据分析三次可能得到三个不同结果。补零那步看着简单，实际非常关键，Excel读进来的行政区划代码会被当成数值，前导0丢失，和Shp属性表里的字符型代码对不上，后面所有关联都会失败。3. 三大分析方向：从涨幅排行到空间洞察3.1 方向一：五分钟建立一张区县涨幅排行表日常分析中Excel依然是最顺手的工具。数据清洗完之后，直接插入数据透视表：行放区县名称，列放年月，值放均价，然后拉出环比或同比计算，一份当月涨跌榜就出来了。熟练的话，从打开文件到得到榜单，五分钟以内可以完成。进阶玩法是条件格式。选中最右侧的涨幅列，用红绿双色色阶做渲染，哪个板块在启动、哪个板块在回落，一眼就能看出来。如果你要把这张表发给别人，建议把列宽锁定、数值格式统一，再进行筛选，成品会显得专业很多。这里有个小提醒：红色代表上涨、绿色代表下跌只是行业习惯，各团队可能相反，关键是内部统一，别搞混。3.2 方向二：用“时间差”找出板块传导链市级研究很难观察板块传导，但区县数据到位之后，这个概念就变得可操作了。把同一个都市圈里的区县拉出来，对比它们的月度曲线，你会发现市场启动往往不是所有地方同步，而是从某个核心区开始，顺着交通线路向外围扩散。用逐月数据，你可以做一个简单的领先滞后分析。这个分析不需要高深的模型，把两条序列放到同一张折线图上，手动错位两到三个月对比，肉眼就能看出先后关系。比如某区县价格开始上涨两个多月后，相邻区县才开始跟进，这样的节奏感在市级数据里完全看不到。我建议每做一次这样的小对比，就做一个标注记在笔记里，积累几个周期之后，你对城市板块格局的理解会比只看地图深刻得多。3.3 方向三：Shp带来的空间统计视角一旦进入Shp格式，分析就打开了另一个维度。最常见的操作有三类。第一类是专题图渲染，把均价或涨幅字段绑定到区县边界多边形上，用分级设色做成热力地图。这是最直观的成果展示方式，也是Shp格式最核心的价值。第二类是空间自相关分析，常用的是莫兰指数，用来判断房价在空间上是否存在聚集效应。实操中你会发现，高值区县和低值区县往往各自聚集，形成典型的空间分层结构。第三类是叠加分析，把房价和地铁站点密度、教育资源数量、商圈分布放在一起做协同分析。区县房价数据是整个分析链条的地基，没有它，后面所有叠加研究都无从谈起。4. Shp格式实操：从边界文件到专题图4.1 拿到Shp先检查，别急着拖进软件Shp是GIS里的通用矢量格式，但它不是“一个文件”，而是一组文件。完整的一套至少包含.shp（几何坐标）、.shx（索引）、.dbf（属性表）、.prj（坐标参考信息）。如果缺了.prj，软件不知道坐标参考系统，图层可能会画到错误位置甚至画不出来。常见的还有.sbn和.sbx空间索引文件，以及.cpg字符编码文件，少了一两个通常不影响打开，但打包传输时最好整包带上。我见过太多人只复制了一个“.shp”文件，拖进QGIS就报错“无法打开图层”，原因基本是.shx或.dbf没有跟着一起复制。记住，Shp是系列文件，必须成套使用。解压之后也先确认一下文件都在，再开始操作。4.2 Python一条龙：读取、关联、出图如果不想开GIS软件，用Python和geopandas就能完成全套工作流。示例代码：import geopandas as gpd import matplotlib.pyplot as plt import pandas as pd # 读取边界与房价数据 boundary = gpd.read_file("county.shp") df = pd.read_csv("house_price_clean.csv", dtype={"区划代码": str}) # 按行政区划代码做属性连接 merged = boundary.merge(df, left_on="区划代码", right_on="区划代码", how="inner") # 筛选某一个月 target = merged[merged["年月"] == "2024-06"] # 分级设色出图 ax = target.plot(column="均价", cmap="RdYlGn_r", legend=True, scheme="Quantiles", k=6, figsize=(10, 8)) ax.set_title("2024-06 区县新房均价分布") ax.set_axis_off() plt.tight_layout() plt.savefig("house_price_map.png", dpi=200)这段代码中最容易出问题的不是绘图，而是merge这一步。两边关联字段类型不一致时，比如一边是字符型“110102”，另一边是数值型110102，匹配结果会出现大量空值，地图上就是大片空白。所以我在读CSV时就强制指定区划代码为字符串类型，再从源头用zfill补位，把这个坑提前填平。4.3 QGIS图形化操作：不写代码也能出正式图不想碰代码的朋友，QGIS是最省心的选择。操作路径很固定：先把Shp拖进图层面�板，如果里面的属性表只有边界没有房价数据，就通过“图层”菜单里的“属性连接”，把Excel按行政区划代码关联进来。然后双击图层打开样式设置，选择“分级”渲染，字段选“均价”，模式选“分位数”，颜色带选红绿渐变，一张专题图雏形就出来了。最后用“布局管理器”新建布局，添加地图、图例、比例尺和指北针，导出PNG或PDF，就是一张可以直接发布的结果图。整个过程熟练之后，十分钟足够完成。我每次做完都会检查一下属性表里的记录数，如果连接后记录数明显减少，八成是关联字段类型不匹配，这是QGIS里最经典的问题。5. 常见问题与排坑实录：这些细节决定数据能不能用5.1 区县数据缺失了，补全还是删除区县级数据天然存在缺失，原因多种多样：有的区县当月确实没有新房成交，有的数据源覆盖不到，有的新区成立时间晚，只有最近几年的记录。我的经验是，处理方式取决于分析目的。做时间序列分析时，我倾向于用前向填充或线性插值补缺失月份，但有一个前提：如果某个区县连续超过半年没有成交记录，说明市场活跃度极低，插补出来的数字没有统计意义，宁可直接剔除。做横截面排行时则反过来，用“最近一个有数据的月份”参与比较，并在报告里注明数据时点，避免拿不同月份的数值做横向对比。5.2 行政区划调整导致的数据断档怎么解这是区县数据分析最绕不开的现实问题。行政区划代码不是一成不变的，这几年撤县设区、乡镇合并、新区成立持续发生，最稳妥的做法是建立一张新旧名称对照表，把所有历史数据映射到当前区划口径下再分析。具体操作上，我会先把数据里所有区县名称拉成清单，逐一核对最新代码。已经撤销或者合并的区县，要根据原始归属做拆分或合并计算，这个过程确实麻烦，但绝不能省。否则图上会冒出一堆“幽灵区县”，名字还在属性表里，到最新版边界上却找不到对应图形，最终做任何空间分析都会报错。5.3 Shp中文乱码，不是玄学是编码问题GIS新手遇到中文乱码，第一反应往往是数据坏了。其实原因很直接：Shp的dbf属性表里，字符串编码要么是UTF-8要么是GBK，软件默认的解码方式不对，就会显示一堆乱码。解决办法也简单，QGIS里加载图层时手动选择Encoding为UTF-8或GBK，试到正确为止。如果用Python处理，就在geopandas读取时明确指定encoding参数，比如encoding='utf-8'或encoding='gbk'。用代码控制编码，比在GUI里反复试错省心得多。5.4 均价突然大涨大跌，到底信还是不信这是最核心的判断题。任何区县只要出现单月均价大幅波动，先别急着下结论，按三步走：第一步查样本量，样本量很小就基本可以认定为结构性波动；第二步查当月新开楼盘，如果大量成交集中在某类产品上，说明是供应结构变化导致的，而非整体价格变化；第三步查相邻月份，假如前后几个月都很稳定，只有单月突变，大概率是数据口径或纳入项目调整造成的假信号。做完这三步查证，你就有底气在报告里写“该区县本月均价变动主要受样本结构影响”，而不是被一个孤立跳点带偏整份研究的结论。我个人的习惯是，拿到这类数据头一个星期只做一件事：摸清楚字段的“脾气”，而不是急着出图。数据是死的，但字段口径、代码规则、缺失形态这些“脾气”是活的，花半小时把区划代码和月份格式统一好，后面所有分析都会顺；要是跳过这步直接出图，你大概率会在后续环节被各种莫名其妙的问题连环折腾。还有个实用的小技巧：Excel透视表做好之后，把列宽锁定、数值格式统一再往外发，收到表格的人对专业度的判断，往往就来自这些细节。区县级逐月房价数据，本身就是一轮很好的行情样本，建议你用它练两次板块对比、出一张专题图，做完之后你对“数据颗粒度”这个词的理解，会比读十篇分析文章都深刻。