Анализ рынка жилья в Москве
Введение
Проект посвящен анализу рынка жилья. Исходный датасет содержит информацию о стоимости недвижимости, площади квартир, удаленности от метро, количестве комнат и типе ремонта. Цель исследования — выявить ключевые закономерности и факторы, влияющие на стоимость жилья.
Актуальность
Рынок недвижимости постоянно изменяется, и понимание закономерностей важно как для покупателей, так и для продавцов. Визуализация данных позволит нам увидеть основные тенденции, что поможет нам принимать более взвешенные решения при покупке, продаже или инвестициях в недвижимость.
Построенные графики
- Распределение цен на жилье (гистограмма) — помогает увидеть, какие ценовые диапазоны встречаются чаще всего.
- Зависимость цены от площади (точечный график) — показывает, как площадь влияет на стоимость жилья.
- Распределение типов ремонта (круговая диаграмма) — наглядно демонстрирует, какой ремонт чаще встречается в предложениях.
- Средняя цена жилья в зависимости от количества комнат (столбчатая диаграмма) — отображает, как количество комнат влияет на среднюю стоимость квартиры.
Датасет
На сайте kaggle.com я нашла датасет, который мы будем использовать для визуализации. Для начала нужно вывести датасет в удобной форме.
- Построим гистограмму цен
На гистограмме видно, что большинство цен сосредоточено в диапазоне до 20 млн рублей.
- Теперь рассмотрим точечный график зависимости цены от площади.
График показывает, что с увеличением площади цена в целом растет (однако есть небольшие выбросы).
- Построим круговую диаграмму, чтобы посмотреть распределение типов ремонта.
Теперь мы видим доли каждого типа ремонта и можем сделать вывод, что тип «Cosmetic» является самым популярным, что говорит нам о сильном спросе на данный вид ремонта (это напрямую влияет на уровень цен).
- Напоследок построим столбчатую диаграмму, показывающую среднюю цену в зависимости от количества комнат.
Вывод
Анализ подтвердил, что цена квартиры в Москве зависит не только от площади, но и от типа ремонта, количества комнат и других факторов. Полученные визуализации помогают глубже понять структуру рынка и могут быть полезны при выборе стратегии покупки, продажи или инвестирования в недвижимость.
Для более детального понимания рынка в дальнейшем можно исследовать влияние других факторов, таких как близость к центру, транспортная доступность и престижность района. Также полезным шагом было бы построение моделей прогнозирования цен на основе машинного обучения.
Ссылка на блокнот и датасет
