区县逐月房价数据解析：从Excel清洗到GIS专题图实战

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。

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。