EDA_MICali
Jhon Alexander Rojas Tavera
2023-08-13
##
## Attaching package: 'bs4Dash'## The following object is masked from 'package:graphics':
##
## boxInforme Unidad I, Analisis exploratorio de datos
1. Introducción
El análisis del mercado inmobiliario es una herramienta crucial para comprender la dinámica y las tendencias que impactan en el sector de bienes raíces. En este informe, se abordará el análisis del mercado inmobiliario en Cali, Colombia, utilizando datos recopilados por la empresa B&C (Bienes y Casas), una agencia de bienes raíces de renombre en la ciudad.
Cali, una ciudad en constante evolución, ha sido testigo de un crecimiento sustancial en el mercado inmobiliario en los últimos años. Este crecimiento está impulsado por diversos factores, como el aumento de la población, la inversión extranjera directa y la construcción de nuevos proyectos residenciales. Con el propósito de aprovechar este entorno dinámico, la empresa B&C ha recopilado y sistematizado una vasta cantidad de datos sobre viviendas en Cali, que incluyen información sobre precios, ubicaciones, características y detalles de ventas.
Este informe tiene como objetivo explorar y analizar estos datos con el fin de identificar tendencias y patrones significativos que puedan servir como base para la toma de decisiones estratégicas por parte de la empresa B&C. A través de un enfoque descriptivo y analítico, se espera brindar una visión completa y precisa del mercado inmobiliario en Cali, permitiendo a la empresa tomar medidas informadas para su crecimiento y éxito continuo.
El informe está estructurado en varios apartados, que incluyen objetivos, métodos utilizados, resultados obtenidos, discusión de los hallazgos, conclusiones y anexos. Cada sección proporcionará una perspectiva detallada y significativa para comprender mejor la dinámica del mercado inmobiliario en Cali.
2. Objetivos
- Objetivo general:
- Objetivo especifico 1:
- Especifico 2:
Texto 1
Texto 1
Texto 1
3. Métodos
Lectura de la base de datos desde archivo CSV, en mi caso la hice mediante el uso del fichero remitido por la profesora denominado “vivienda_faltantes.csv”, con las siguientes acciones en RStudio: File, Import DataSet, From Text(readr) y el nombre del archivo se paso como atributo a la variable “Baseviviendas”:
Baseviviendas <- read_csv("vivienda_faltantes.csv")## Rows: 8330 Columns: 13
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (3): zona, tipo, barrio
## dbl (10): id, piso, estrato, preciom, areaconst, parquea, banios, habitac, l...
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.head(Baseviviendas)## # A tibble: 6 × 13
## id zona piso estrato preciom areaconst parquea banios habitac tipo
## <dbl> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 8312 Zona Oeste 4 6 1300 318 2 4 2 Apart…
## 2 8311 Zona Oeste 1 6 480 300 1 4 4 Casa
## 3 8307 Zona Oeste NA 5 1200 800 4 7 5 Casa
## 4 8296 Zona Sur 2 3 220 150 1 2 4 Casa
## 5 8297 Zona Oeste NA 5 330 112 2 4 3 Casa
## 6 8298 Zona Sur NA 5 1350 390 8 10 10 Casa
## # ℹ 3 more variables: barrio <chr>, longitud <dbl>, latitud <dbl>Baseviviendas_resumen <- summary(Baseviviendas)
Baseviviendas_resumen## id zona piso estrato
## Min. : 1 Length:8330 Min. : 1.000 Min. :3.000
## 1st Qu.:2082 Class :character 1st Qu.: 2.000 1st Qu.:4.000
## Median :4164 Mode :character Median : 3.000 Median :5.000
## Mean :4164 Mean : 3.772 Mean :4.634
## 3rd Qu.:6246 3rd Qu.: 5.000 3rd Qu.:5.000
## Max. :8319 Max. :12.000 Max. :6.000
## NA's :3 NA's :2641 NA's :3
## preciom areaconst parquea banios
## Min. : 58.0 Min. : 30 Min. : 1.000 Min. : 0.000
## 1st Qu.: 220.0 1st Qu.: 80 1st Qu.: 1.000 1st Qu.: 2.000
## Median : 330.0 Median : 123 Median : 2.000 Median : 3.000
## Mean : 434.2 Mean : 175 Mean : 1.836 Mean : 3.112
## 3rd Qu.: 540.0 3rd Qu.: 229 3rd Qu.: 2.000 3rd Qu.: 4.000
## Max. :1999.0 Max. :1745 Max. :10.000 Max. :10.000
## NA's :2 NA's :3 NA's :1606 NA's :3
## habitac tipo barrio longitud
## Min. : 0.000 Length:8330 Length:8330 Min. :-76576.00
## 1st Qu.: 3.000 Class :character Class :character 1st Qu.:-76506.00
## Median : 3.000 Mode :character Mode :character Median : -76.54
## Mean : 3.605 Mean :-21845.13
## 3rd Qu.: 4.000 3rd Qu.: -76.52
## Max. :10.000 Max. : -76.46
## NA's :3 NA's :3
## latitud
## Min. : 3.333
## 1st Qu.: 3.390
## Median : 3.450
## Mean : 970.370
## 3rd Qu.:3367.000
## Max. :3497.000
## NA's :3# Filtrar los datos para mostrar solo las primeras 10 filas y las columnas 'precio' y 'zona'
Baseviviendas_subset <- Baseviviendas[1:10, c('preciom', 'zona')]
# Mostrar el conjunto de datos filtrado
Baseviviendas_subset## # A tibble: 10 × 2
## preciom zona
## <dbl> <chr>
## 1 1300 Zona Oeste
## 2 480 Zona Oeste
## 3 1200 Zona Oeste
## 4 220 Zona Sur
## 5 330 Zona Oeste
## 6 1350 Zona Sur
## 7 305 Zona Sur
## 8 480 Zona Oeste
## 9 275 Zona Sur
## 10 285 Zona Sur# Crear un gráfico de dispersión entre 'areaconst' y 'preciom'
plot(Baseviviendas$areaconst, Baseviviendas$preciom)
ggplot(Baseviviendas, aes(x = areaconst, y = preciom)) +
geom_point() +
labs(title = "Relación entre Área Construida y Precio",
x = "Área Construida",
y = "Precio") +
theme_minimal()## Warning: Removed 3 rows containing missing values (`geom_point()`).
# Calcular la cantidad de valores faltantes en cada columna y asignarlos a EDA_MICali_faltantes
Baseviviendas_faltantes <- colSums(is.na(Baseviviendas))
# Mostrar la cantidad de valores faltantes
Baseviviendas_faltantes## id zona piso estrato preciom areaconst parquea banios
## 3 3 2641 3 2 3 1606 3
## habitac tipo barrio longitud latitud
## 3 3 3 3 3# Histograma de Precios
ggplot(Baseviviendas, aes(x = preciom)) +
geom_histogram(binwidth = 50, fill = "#007bff", color = "black") +
labs(title = "Distribución de Precios",
x = "Precio",
y = "Frecuencia")## Warning: Removed 2 rows containing non-finite values (`stat_bin()`).
# Gráfico de Dispersión con Color por Zona (sin valores NA)
ggplot(Baseviviendas %>% drop_na(zona), aes(x = areaconst, y = preciom, color = zona)) +
geom_point() +
labs(title = "Relación entre Área Construida y Precio por Zona",
x = "Área Construida",
y = "Precio")
# Boxplot de Precios por Zona (sin valores NA)
ggplot(Baseviviendas %>% drop_na(zona), aes(x = zona, y = preciom)) +
geom_boxplot(fill = "#007bff", color = "black") +
labs(title = "Distribución de Precios por Zona",
x = "Zona",
y = "Precio")
# Instalar el paquete si no está instalado
if (!requireNamespace("corrplot", quietly = TRUE)) {
install.packages("corrplot")
}
# Cargar el paquete
library(corrplot)## corrplot 0.92 loaded# Cálculo de la Matriz de Correlación
correlation_matrix <- cor(Baseviviendas[, c("preciom", "areaconst", "parquea", "habitac")])
# Visualización de la Matriz de Correlación usando corrplot()
corrplot(correlation_matrix,
method = "color", # Puedes ajustar el método de visualización
tl.col = "black",
tl.srt = 45,
addCoef.col = "black", # Color de los coeficientes de correlación
number.cex = 0.7, # Tamaño de los números en la visualización
tl.cex = 0.7, # Tamaño de las etiquetas en los ejes
title = "Matriz de Correlación")