AirBnb——数据探索和可视化

AirBnb——数据探索和可视化

Airbnb以彻底改变我们的旅行方式而闻名，允许普通人出租他们的房屋或部分房屋用于住宿，这可以作为房东的一种额外收入和租户的更可行的选择。

该应用程序创建于 2008 年，到 2012 年，在其创建仅 4 年后，它已经促成了超过 1000 万次住宿预订。

Airbnb 提供了一些关于您的租金的数据，我们下载了意大利罗马市的数据。这是对汇总数据库的肤浅研究，此分析的目的是有一些见解并回答以下问题：

• 在此期间，罗马哪些街区提供客房优惠。
• 每个社区的平均收费是多少？
• 这些数据之间是否存在相关性？

对于此分析，我们将使用 Google Colab 中的 Python 语言和一些数据科学技术。

使用的库

基本上，matplotlib 和 seaborn 库用于图形和 pandas 用于数据分析和操作。

探索性数据分析

我们从数据帧的探索开始，使用 pd.read 读取文件并使用 .info() 可视化列、输入数量和值类型（int、float 和 object）。

有趣的是找出是否有空值以及它们的位置，我们需要将它们交换为可以操作的值。

为此，我使用 .head() 将前 5 个条目带入检查是否已经可以找到一些空值，还使用 ​​.isnull().sum() 对 DataFrame 列内的空值求和。

知道空值所在的位置不会损害我想回答的问题，我将空值替换为 0。

Veja os valores na coluna ‘neighbourhood_group’ com 0.00

1 — 在此期间，罗马哪些街区提供客房优惠？

现在我们已经完成了快速清理并确定了 DataFrame 的列和值，我们可以开始回答一些问题。

要了解 Dataframe 中的邻域，我在邻域列中使用了 .unique() 命令。

2 — 每个社区的平均收费是多少？

为了更“准确”地发现平均收费金额，我们必须识别可能的异常值，即不匹配或可疑的非常极端的值。

直到最终结果的代码很长，所以我只留下最重要的点和消除异常值的最终图表。

首先，我们可以查看价格列的统计分布，通过它我们可以了解这些值。

distribuição estatística

请注意，我们每晚的最低收费为 0.0，最高为 90,963。这些值清楚地表明我们有异常值会扭曲我们想要得到的平均值。

GráficoBox — os pontos mostram os valores do Dataframe, os valores muito afastados indicam outliers.

为了去除这些异常值，我使用了 IQR 分数规则。 IQR 的计算方法是从第一个四分位数 (25%) 中减去第三个四分位数 (75%)。应用此规则，我们得到一个更接近分析值总集中间的截止值。

Aplicação do IQR Score

现在是的，我们可以检查罗马市每个社区的平均收费。

Média de valores cobrados por bairro, o código completo pode ser acessado no link no final desse artigo.

3 — 这些数据之间是否存在相关性？

我真正喜欢的一个分析是变量之间的相关性。在这个 Dataframe 中，我试图找到一些我认为有意义的值之间的相关性，但是，在这个分析中没有发现相关性。

我使用了一个相关矩阵；价格、房间评论数量和年内房间供应情况。目的是试图找出由于价格和评论数量的原因，一年内房间是否可用。但在这些值之间没有发现相关性。

结论

这是对 Airbnb 可用数据的非常简单的分析，最终目标是将数据科学课程模块中获得的知识应用到 Sigmoidal 学校的实践中。

我们能够找出罗马市哪些街区有出租房间或公寓的报价，以及该市每个街区的报价平均值是多少。

有用的链接：

在我的 Github 上解析的完整 python 代码

领英个人资料

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明

本文链接：https://www.qanswer.top/2896/31293108