Zillow 数据集示例

Zillow 数据集示例（常见房产数据集样本展示）

Zillow（美国著名房地产平台）公开或通过爬取/竞赛分享的数据集主要有两类：

• 宏观聚合数据：如 ZHVI（Zillow Home Value Index，房屋价值指数），这是 Zillow Research 每月发布的 CSV，追踪区域中位房价趋势。
• 微观房产级数据：如 Kaggle “Zillow Prize” 竞赛数据集（2017 年），包含单个房产的特征 + 实际售价误差；或第三方爬取的 listing 数据（zpid、地址、卧室数、价格、Zestimate 等）。

下面给你几个典型示例（基于公开来源的样本行或结构描述）：

1. Zillow Research ZHVI 示例（区域房价指数，宏观聚合型）

这是最官方的公开数据集之一，格式为 CSV，每行是一个地区（如 Metro、City、Zip）的月度中位房价估算。

典型列（部分）：

• RegionID
• RegionName (e.g., Metro name or Zip code)
• SizeRank
• RegionType (e.g., Metro, City, Zip)
• StateName
• 然后是大量日期列：2000-01-31, 2000-02-29, …, 最新月

示例行（简化，假设 Metro 数据）：

下载地址示例：https://www.zillow.com/research/data/（每月更新，选择 ZHVI → Metro 等）。

2. Kaggle Zillow Prize 数据集示例（房产级，微观 + 预测误差）

这是最经典的机器学习数据集（2017 竞赛），目标是预测 log-error = log(实际售价) – log(Zestimate)。

properties_2016.csv（房产特征，主表，约 3M 行，58 列）

典型列（部分）：

• parcelid（房产唯一 ID）
• bathroomcnt（浴室数）
• bedroomcnt（卧室数）
• calculatedfinishedsquarefeet（计算完工面积）
• latitude / longitude
• lotsizesquarefeet（地块面积）
• yearbuilt（建造年份）
• taxvaluedollarcnt（税评估价值）
• regionidcity / regionidzip 等

示例前几行（简化，基于公开 notebook 描述）：

train_2016_v2.csv（训练标签，只有部分房产有）：

这个数据集现在在 Kaggle 上还能下载：https://www.kaggle.com/c/zillow-prize-1/data

3. 第三方爬取的 Zillow Listing 数据示例（常见商业/研究样本）

很多第三方（如 Bright Data、PromptCloud）提供或分享的 Zillow listing 样本，字段更贴近当前网页显示。

典型字段（部分）：

• zpid（Zillow Property ID）
• url
• address / street
• city / state / zip
• beds / baths
• sqft
• price（售价或租金）
• zestimate（Zillow 估价）
• rentZestimate（租金估价）
• year_built
• home_status（For Sale / Sold / Rent 等）
• latitude / longitude

示例行（基于公开样本，如 Bright Data 或 Actowiz 的预览）：

这些是常见样本结构，实际数据量从几千到上百万行不等。

如果你需要：

• 下载具体文件（ZHVI 或 Kaggle 数据）
• 用 Python/Pandas 加载示例代码
• 某个特定字段的分布/分析示例

告诉我你的用途（机器学习建模？房价预测？数据分析？），我可以给你更针对性的代码或链接～