第一因素：面積！單間or整租？
對于什么面積性價比高，只需要下面這一張圖就一目了然：
當面積達到8平米時，均價達到最高，北京郵電大學附近的一間9平米的單間，都能租到2600元！相比之下，60-100平這個區間平均租金比較便宜。100平以上，小區和裝修都相對高端，所以均價高。如果租單間，15平米是性價比最高的。
所以，趕緊拉上你的基友，閨蜜，男女朋友去整租吧！不僅更安全方便，而且分攤后租金低很多！
第二：地段，從南到北，該租哪里？
在下面統計時，為了便于理解，單間統一換算為15平的價格，整租換算為65平的價格。
下圖是北京所有小區的平均租房單價，中關村，魏公村，國貿，三元橋都不便宜，大學聚集區和商業區的租金普遍較貴。
我們再以3D的形式繪制價格熱力圖（不同顏色代表不同區縣，密集喜愛癥福音）：
再研究不同區縣的價格，為了便于觀察，我把綠中介的自如單間均價都換算為15平米：
出乎意料，曾經房價霸主西城，卻在租金上敗下陣來，還不如海淀東城。
我好奇五號線沿線的價格是如何分布的，于是做了一張下面的圖：
請仔細看曲線的下降點，這些都是北京環路的綠隔，沒什么商業，整體租金都會偏低，但非常不建議租這些地方，在北京的人都知道過天橋有多麻煩。
再看單間最貴的區域：學校周圍的單間尤其貴，這應該也是供求關系導致的。
再看整租：
金融街高富帥遍地，朝陽公園，工體都是外國人，他們自然要選擇整租，我所在的太陽宮有不少高端住宅，拉高了整體租金，真是過不下去了！
那朝向，樓層和房齡呢
整租時，價格對朝向和樓層都不是很敏感，但單間是很敏感的。先看朝向，顯而易見，因為采光通風較好，南北臥和西南臥是最貴的，相比北臥是最差的，價格差距在400左右。
獨立衛生間簡直不要太方便，萬惡的中介，不論是衛生間還是陽臺，都算入了房間的面積。?有衛生間的單間不超過1%，至少貴600塊錢：
最后看樓層，自如的房子，出乎意料的給了準確地樓層，給了我寶貴的數據：
二層最貴，一層最便宜，三層和以上差不多。道理也簡單啊，一層采光不好，而且比較潮。高層爬樓比較麻煩。
順便一提，高端小區房齡新，租金貴，但2000年以前的小區，租金和房齡沒什么關系，相關系數只有0.048。
裝上班族最看重的：地鐵
在北京，上班最重要的是坐地鐵方便，因此我統計了全北京12000個小區的信息，并計算了每個小區到最近地鐵站的步行距離。看得出地鐵對租金的影響還是很大的，相關系數為0.29?；旧?，每離地鐵近100米，65平米房子的租金就會貴200塊錢。不過在地鐵站400米范圍內，地鐵對價格的影響并不顯著了。
下面繪制了到地鐵站步行距離和租房單價的散點圖:
結論：?遠離商業區和學校
由于租房不同于買房，市場瞬息萬變，盡量要避開學校和商業區，或選擇遠郊離地鐵近的小區，租金差異遠遠大于出行費用差異。
總體來看，租房主要是挑小區，同一小區內，除非裝修差太多，否則價格不會有太多差異。
?VIA：趙一鳴
]]>數據分析少不了和數據中的異常值打交道，Winsorize處理在SAS中經常使用。
Winsorize即極值處理，原理是將數據中的異常值修建，使之與正常分布的最大值與最小值相同。例如，你的數據整體位于[70，90]這個區間，而分析的數據中有些值特別大或者特別小，比如出現了60、65、95與125這種數值，這時Winsorize處理就能夠將這些特別大或者特別小的值進行調整，讓這些異常值變成你自己定義的一個合理范圍中。對于上限，如果定義比90高出10%記為異常值，那么95這個值就會被SAS處理，放在Winsorize處理后的數據集里，而125將被看做異常值，不會放入Winsorize處理后的數據集里；同理，對于下限也是如此。
數據中含有缺失值和重復值時，進行Winsorize處理稍微會復雜一些。可以先對數據排序，但是缺失值首先會對計算造成不小的影響，所以Winsorize處理很方便解決這些常見難題。
SAS?Winsorize?處理過程：
%let?DSName?=sashelp.heart;
proc?iml;
/*?SAS/IML?moduleto?Winsorize?each?column?of?a?matrix.
Input?proportion?of?observations?toWinsorize:?prop?<?0.5.
Ex:?y=?Winsorize(x,?0.1)?computes?the?two-side?10%?Winsorized?data?*/
start?Winsorize(x,prop);
p?=?ncol(x);?/*?number?of?columns?*/
w?=?x;?/*?copy?of?x?*/
do?i?=?1?to?p;
z?=?x[,i];?/*?copy?i_th?column?*/
n?=?countn(z);?/*?count?nonmissing?values?*/
k?=?ceil(prop*n);?/*?number?of?obs?to?trim?from?each?tail?*/
r?=?rank(z);?/*?rank?values?in?i_th?column?*/
/*?find?target?values?and?obs?with?smaller/largervalues?*/
lowIdx?=?loc(r<=k?&?r^=.);
lowVal?=?z[loc(r=k+1)];
highIdx?=?loc(r>=n-k+1);
highVal?=?z[loc(r=n-k)];
/*?Winsorize?(replace)?k?smallest?and?klargest?values?*/
w[lowIdx,i]?=?lowVal;
w[highIdx,i]?=?highVal;
end;
return(w);
finish;
/*?test?thealgorithm?on?numerical?vars?in?a?data?set?*/
use?&DSName;
read?all?var?_NUM_into?X[colname=varNames];
close;
winX?=?Winsorize(X,0.1);
代碼中，矩陣winX包含經過Winsorize處理過的數據，如果你想輸出SASWinsorize處理后的數據，數據集屬于小數據集，可以使用代碼：%letDSName?=?sashelp.class;?進行實現。
大批量數據處理之前，想驗證SAS?Winsorize過程是否正確，可以借助SAS/IML計算出來的縮尾均值（?Winsorized?means），與SAS?PROC?UNIVARIATE?計算出來的縮尾均值進行比較。
/*?Compute?Winsorized?mean,?which?is?mean?of?the?Winsorized?data?*/
winMean?=?mean(winX);
print?winMean[c=varNames?f=8.4];
/*?Validation:?compute?Winsorized?means?byusing?UNIVARIATE?*/
ods?exclude?all;
proc?univariate?data=&dsname?winsorized=0.1;
ods?output?WinsorizedMeans=winMeans;
run;
ods?exclude?none;
proc?print?data=winMeans;
var?VarName?Mean;
run;
——SAS中文論壇
]]>