pnnovikova/python_project_2023

Python_project_2023 : Анализ рынка арендной недвижимости Нью-Йорка

Добро пожаловать в проект анализа рынка недвижимости Нью-Йорка! Этот проект основан на наборе данных о ценах на аренду жилой недвижимости в Нью-Йорке.

О проекте

Проект "Анализ рынка недвижимости Нью-Йорка" представляет собой исследование цен на аренду жилой недвижимости в различных районах Нью-Йорка в зависимости от различных факторов. В основе проекта лежит открытый набор данных, который можно скачать с Kaggle (https://www.kaggle.com/datasets/ivanchvez/ny-rental-properties-pricing).

Структура проекта

В ходе данного проекта мы:

1. Выбор темы
2. Сбор данных из готового датасета
3. Обработка данных
4. Визуализация данных
5. Создание новых переменных:
   5.1 Удаленность от центра Манхеттена dist_manhattan
   5.2 Удаленность от университетов university_dists
6. Сформулировали и протестировали гипотезы
7. Предсказали цену арендной недвижисоти при помощи машинного обучения

Вынесение части кода в отдельный модуль

Вынесли в отдельные модули следующие функции: barh_plot, corr_heatmap, dist_manh_plot

1. barh_plot позволяет легко создавать горизонтальные столбчатые диаграммы с различными параметрами и настройками.
2. corr_heatmap позволяет быстро создавать тепловые карты матрицы корреляции с различными параметрами и настройками, используя библиотеки numpy, matplotlib и seaborn.
3. dist_manh_plot позволяет создавать график рассеяния с возможностью применения логарифмического преобразования и фильтрации данных, визуализируя зависимость между переменными.

Вынесение данных о топ-10 университетах Нью-Йорка и их координатах в отдельный файл universities.csv. Данные были получены при помощи Chat GPT.

Авторы

Полина Новикова, студентка 2 курса ФЭН, университета НИУ ВШЭ
Алиса Тебеть, студентка 2 курса ФЭН, университета НИУ ВШЭ

python_project_2023's Issues

Рассмотреть гипотезы 1 и 2.

Исследовать и объяснить практически полное отсутствие корреляции между ценой и остальными рассматриваемыми признаками.
Найти топ-10 университетов Нью-Йорка и их координат. Исследовать корреляцию между количеством объявлений разного типа и их удаленности между университетами.