서울 원룸 전월세 데이터 분석 - 전세, 월세 가격 변화

Intro

최근(2022년 12월) 전세 매물을 알아보러 부동산을 돌아다녀보니 월세매물이 강세(수요가 많음)고 상대적으로 전세매물이 공급이 많은 추세였다. 이로인해 월세는 오르고있고, 전세가는 내리고 있다고 말씀들을 많이 하셨다. 그래서 이전에 직방에서 수집한 서울 원룸 전월세 데이터를 통해 전월세 변화 추이(22.09.25 ~ 22.12.01)를 알아보고자 한다.

데이터

출처 : 직방
데이터 수집 기준일 : 2022.09.25 / 2022.12.01
Code

Import Data
수집된 데이터는 제 Github에서 확인하실 수 있습니다.

import pandas as pd
import pickle
from tqdm import tqdm
from glob import glob
import re

import cufflinks as cf
cf.go_offline()

room_info_old = pd.read_csv(f'data_preprocessed/room_info_220925.csv')
room_info_new = pd.read_csv(f'data_preprocessed/room_info_221201.csv')

monthly_old = room_info_old[~room_info_old['월세금액'].isna()]
charter_old = room_info_old[room_info_old['월세금액'].isna()]
monthly_new = room_info_new[~room_info_new['월세금액'].isna()]
charter_new = room_info_new[room_info_new['월세금액'].isna()]

전세 보증금 비교

def q_trim(df, col, q, all_columns=False):
    if all_columns:
        return df[df[col] <= df[col].quantile(q)]
    else:
        return df[df[col] <= df[col].quantile(q)][col]
				
def make_histogram(df_old, df_new, col, col_show, bins=None, q=1, kind='histogram'):
    # quantile이 1이면 전체
    old_values = q_trim(df_old, col, q).tolist()
    new_values = q_trim(df_new, col, q).tolist()
    
    df = {f'{col_show}-220925': old_values,
    f'{col_show}-221201': new_values}
    df = pd.DataFrame(dict([ (k,pd.Series(v)) for k,v in df.items() ]))
    if bins:
        df.iplot(kind=kind, bins=bins, opacity=0.6)
    else:
        df.iplot(kind=kind)

print(q_trim(charter_old, '보증금액', 0.99).mean())  # 22820.3434
print(q_trim(charter_new, '보증금액', 0.99).mean())  # 20949.6317
make_histogram(charter_old, charter_new, '보증금액', '전세', 50, 0.99)

real_estate

이상치가 있어서 보증금 상위 1%값의 데이터는 제거
2022.09.25기준 전세 보증금 평균은 2.28억정도
2022.12.01기준 전세 보증금 평균은 2.09억정도로 약 1달전 대비 평균 2천만원 정도의 하락이 있었음

월세 비교

print(q_trim(monthly_new, '월세금액', 0.99).mean())  # 64.89
print(q_trim(monthly_old, '월세금액', 0.99).mean())  # 64.10
make_histogram(monthly_old, monthly_new, '월세금액', '월세 보증금', bins=30, q=0.99, kind='box')

real_estate

마찬가지로 이상치때문에 상위 1%값의 데이터를 제거
2022.09.25기준 월세 평균은 64.89만원 정도
2022.12.01기준 월세 평균은 64.10정도로 1달전과 큰 차이가 없었다.
boxplot에서 median(중앙값)은 2022.12.01이 2022.09.25대비 5만원 높았다(50 -> 55)

지역별 전월세 변화 추이

def make_barplot(df_old, df_new, col, col_name):
    df1 = pd.DataFrame(q_trim(df_old, col, 0.99, True).groupby('local2').mean()[col]).reset_index()
    df1.columns = ['지역', f'{col_name}-220925']
    
    df2 = pd.DataFrame(q_trim(df_new, col, 0.99, True).groupby('local2').mean()[col]).reset_index()
    df2.columns = ['지역', f'{col_name}-221201']
    df_merged = pd.merge(df1, df2, on='지역')
    df_merged.iplot(kind = 'bar', x='지역')
    return df_merged
		
df_merged = make_barplot(charter_old, charter_new, '보증금액', '전세')
df_merged['gap'] = df_merged.iloc[:, 2] - df_merged.iloc[:, 1]
df_merged.sort_values('gap')

real_estate

df_merged = make_barplot(monthly_old, monthly_new, '월세금액', '월세')
df_merged['gap'] = df_merged.iloc[:, 2] - df_merged.iloc[:, 1]
df_merged.sort_values('gap')

real_estate

1달간 평균 전세가격이 가장 많이 하락한 구는 마포구(-4447만원) - 종로구(-3245만원) - 송파구(-2931만원) - 강남구(-2888만원) 순서이다.
1달간 평균 월세가격은 마포구가 11.2만원, 서대문구가 6.9만원정도 하락했고, 은평구, 중랑구, 영등포구가 각각 10.1만원, 9.7만원, 9.5만원 상승했다.

결론

실제로 전세가격은** 약 1달간 유의미한 하락이 있었던 것으로 확인되었다. 그리고 **금리인상으로 인해 전세가는 계속 떨어질 것으로 예상이된다.
그런데 실제로 부동산을 돌아보니 최근 2억원 내외의 전세매물을 찾는 사람들이 많이 늘었다고 했고, 그 이유는 버팀목 전세자금대출 한도 상향(최대 2억원 까지)때문이라고 했다. 버팀목의 경우 대출이자가 연 2프로 초반대로 저렴하며 이러한 정책자금 대출의 영향으로 인해 2억원 내외 원룸의 전세가는 급격한 하락이 일어나지는 않을 것이라고 생각된다.

Intro

데이터

Code

Import Data

전세 보증금 비교

월세 비교

지역별 전월세 변화 추이

결론