Sobre el dataset

Se trata de uno de los conjuntos de datos publicados por Inside Airbnb para Barcelona. En concreto se trata de listings, el que contiene el listado de propiedades dispuestas para el alquiler. La fecha de scrapping de estos datos corresponde al 20 de marzo de 2024. Son un total de 18.519 propiedades, para las cuales no hay valores perdidos ni en la categoría de tipo de propiedad ni el latitud y longitud. Por lo tanto, podemos mapear todas las propiedades y clasificarlas según tipología.

Una consideración importante: se trata de datos de Barcelona. Hospitalet de Llobregat, Sant Adrià de Besòs, Badalona y los otros municipios colindantes no están incluidos.

Los datos se pueden revisar acá: https://insideairbnb.com/barcelona/

url <- "https://raw.githubusercontent.com/juancarraha/mbdds/main/listings.csv"
data <- read.csv(url, sep = ",")

barrios <- data %>%
  count(neighbourhood_group_cleansed, sort = TRUE) %>%  
  mutate(percentage = round(n / sum(n) * 100, 2)) 
pander(barrios)

neighbourhood_group_cleansed	n	percentage
Eixample	6704	36.2
Ciutat Vella	4266	23.04
Sants-Montjuïc	1933	10.44
Sant Martí	1684	9.09
Gràcia	1556	8.4
Sarrià-Sant Gervasi	974	5.26
Horta-Guinardó	529	2.86
Les Corts	379	2.05
Sant Andreu	288	1.56
Nou Barris	206	1.11

Variables del dataset

El dataset original cuenta con 75 variables, para las cuales la mayoría tienen sus registros completos. En la siguiente tabla está el porcentaje de valores perdidos o vacíos en cada una.

na_percentages <- data %>%
  summarise_all(~ mean(is.na(.) | . == "") * 100) %>%
  gather(key = "variable", value = "na_percentage") %>%
  mutate(na_percentage = round(na_percentage, 2))
pander(na_percentages)

variable	na_percentage
id	0
listing_url	0
scrape_id	0
last_scraped	0
source	0
name	0
description	3.44
neighborhood_overview	46.74
picture_url	0
host_id	0
host_url	0
host_name	0.01
host_since	0.01
host_location	23.27
host_about	36.71
host_response_time	0.01
host_response_rate	0.01
host_acceptance_rate	0.01
host_is_superhost	0.81
host_thumbnail_url	0.01
host_picture_url	0.01
host_neighbourhood	50.46
host_listings_count	0.01
host_total_listings_count	0.01
host_verifications	0
host_has_profile_pic	0.01
host_identity_verified	0.01
neighbourhood	46.74
neighbourhood_cleansed	0
neighbourhood_group_cleansed	0
latitude	0
longitude	0
property_type	0
room_type	0
accommodates	0
bathrooms	20.79
bathrooms_text	0.06
bedrooms	10.8
beds	21.22
amenities	0
price	20.86
minimum_nights	0
maximum_nights	0
minimum_minimum_nights	0
maximum_minimum_nights	0
minimum_maximum_nights	0
maximum_maximum_nights	0
minimum_nights_avg_ntm	0
maximum_nights_avg_ntm	0
calendar_updated	100
has_availability	5.71
availability_30	0
availability_60	0
availability_90	0
availability_365	0
calendar_last_scraped	0
number_of_reviews	0
number_of_reviews_ltm	0
number_of_reviews_l30d	0
first_review	25.69
last_review	25.69
review_scores_rating	25.68
review_scores_accuracy	25.7
review_scores_cleanliness	25.69
review_scores_checkin	25.71
review_scores_communication	25.69
review_scores_location	25.71
review_scores_value	25.71
license	32.5
instant_bookable	0
calculated_host_listings_count	0
calculated_host_listings_count_entire_homes	0
calculated_host_listings_count_private_rooms	0
calculated_host_listings_count_shared_rooms	0
reviews_per_month	25.69

Tipos de propiedad

Se registran varios tipos de propiedad. La web de Airbnb incluye guías y foros para discutir sobre la definición de cada uno de los tipos de propiedad, y sugerencias para la clasificación que hacen los hosts.

property_type_counts <- data %>%
  group_by(property_type) %>%
  summarise(frequency = n()) %>%
  arrange(desc(frequency))
pander(property_type_counts)

property_type	frequency
Entire rental unit	9681
Private room in rental unit	5674
Entire serviced apartment	465
Room in hotel	402
Entire condo	395
Entire loft	289
Private room in condo	213
Private room in hostel	199
Room in boutique hotel	193
Private room in home	187
Private room in bed and breakfast	91
Private room in casa particular	80
Shared room in hostel	80
Entire home	78
Shared room in rental unit	41
Private room in guest suite	39
Private room in serviced apartment	39
Private room in loft	35
Entire vacation home	30
Room in hostel	30
Private room	24
Entire villa	23
Entire guest suite	21
Private room in guesthouse	20
Entire guesthouse	19
Entire townhouse	19
Room in serviced apartment	18
Boat	14
Private room in floor	11
Private room in townhouse	10
Camper/RV	9
Tiny home	9
Room in aparthotel	8
Casa particular	7
Entire place	6
Private room in chalet	6
Private room in dome	6
Private room in vacation home	4
Shared room in bed and breakfast	4
Shared room in home	4
Shared room in villa	4
Entire chalet	3
Private room in boat	3
Room in bed and breakfast	3
Private room in villa	2
Shared room	2
Shared room in guesthouse	2
Shared room in hotel	2
Shared room in loft	2
Yurt	2
Barn	1
Earthen home	1
Entire cabin	1
Hut	1
Private room in tiny home	1
Private room in tower	1
Shared room in boutique hotel	1
Shared room in condo	1
Shared room in floor	1
Shared room in guest suite	1
Shared room in serviced apartment	1

Clasificación de los tipos de propiedad

Aquí he recodificado de manera general los tipos de propiedades en las tres tipologías generales que reconoce Airbnb.

Alojamiento entero

Los huéspedes tendrán a su disposición el alojamiento entero, que cuenta con entrada privada y no tiene zonas comunes.
Suele incluir un dormitorio, un cuarto de baño y una cocina.
Sugieren al anfitrión asegurarse de indicar si vas a estar en la propiedad (por ejemplo: «El anfitrión vive en la primera planta»).

Habitación

Los huéspedes dormirán en una habitación privada con puerta.
Otras zonas, como la cocina, el salón o el baño, podrían ser comunes.
El baño puede ser compartido, privado en la habitación o estar fuera del dormitorio, pero ser de uso exclusivo para los viajeros. Se sugiere indicarlo en el apartado Detalles del anuncio.

Habitación compartida

Los huéspedes dormirán en una habitación o zona común donde tal vez haya más gente.
Recomiendan que se indique el número de personas con las que podrían compartir el dormitorio.

La fuente puede ser revisada en el siguiente enlace: https://www.airbnb.es/help/article/317

data <- data %>%
  mutate(accommodation_type = case_when(
    grepl("^Entire|^Whole|^Complete", property_type, ignore.case = TRUE) ~ "Entire place",
    grepl("^Private room|^Room in|^Casa particular|^Yurt|^Barn|^Earthen home|^Hut", property_type, ignore.case = TRUE) ~ "Private room",
    grepl("^Shared", property_type, ignore.case = TRUE) ~ "Shared room",
    TRUE ~ "Other"  # En caso de que haya tipos no contemplados
  ))

El resultado de la recodificación puede ser mejorado. Algunas consideraciones que poropongo son las siguientes:

Entire Guest Suite: la recodificaría como private room, ya que se utiliza para suites que, si bien están equipadas con casi todo lo que tiene un departamento, suelen estar dentro de la propiedad del host.
Tiny home y casa particular: recodificar como entire place.
Yurt, Barn, Earthen home, Hut: estas creo que merecen más discusión. Creo que Earthen home y Hut pueden ser clasificadas como entire place, Yurt en muchos casos he visto que solo tiene camas, por lo que la clasificaría como private room. Barn no me queda del todo claro.
Other: estos casos vería si los eliminamos o reclasificamos en otras categorías, ya que son un número muy pequeño de datos.

data$accommodation_type[data$property_type == "Entire guest suite"] <- "Private room"
data$accommodation_type[data$property_type %in% c("Casa particular", "Earthen home", "Boat", "Camper/RV", "Tiny home")] <- "Entire place"

cross_tab <- data %>%
  count(accommodation_type, property_type) %>%
  arrange(accommodation_type, desc(n))
pander(cross_tab)

accommodation_type	property_type	n
Entire place	Entire rental unit	9681
Entire place	Entire serviced apartment	465
Entire place	Entire condo	395
Entire place	Entire loft	289
Entire place	Entire home	78
Entire place	Entire vacation home	30
Entire place	Entire villa	23
Entire place	Entire guesthouse	19
Entire place	Entire townhouse	19
Entire place	Boat	14
Entire place	Camper/RV	9
Entire place	Tiny home	9
Entire place	Casa particular	7
Entire place	Entire place	6
Entire place	Entire chalet	3
Entire place	Earthen home	1
Entire place	Entire cabin	1
Private room	Private room in rental unit	5674
Private room	Room in hotel	402
Private room	Private room in condo	213
Private room	Private room in hostel	199
Private room	Room in boutique hotel	193
Private room	Private room in home	187
Private room	Private room in bed and breakfast	91
Private room	Private room in casa particular	80
Private room	Private room in guest suite	39
Private room	Private room in serviced apartment	39
Private room	Private room in loft	35
Private room	Room in hostel	30
Private room	Private room	24
Private room	Entire guest suite	21
Private room	Private room in guesthouse	20
Private room	Room in serviced apartment	18
Private room	Private room in floor	11
Private room	Private room in townhouse	10
Private room	Room in aparthotel	8
Private room	Private room in chalet	6
Private room	Private room in dome	6
Private room	Private room in vacation home	4
Private room	Private room in boat	3
Private room	Room in bed and breakfast	3
Private room	Private room in villa	2
Private room	Yurt	2
Private room	Barn	1
Private room	Hut	1
Private room	Private room in tiny home	1
Private room	Private room in tower	1
Shared room	Shared room in hostel	80
Shared room	Shared room in rental unit	41
Shared room	Shared room in bed and breakfast	4
Shared room	Shared room in home	4
Shared room	Shared room in villa	4
Shared room	Shared room	2
Shared room	Shared room in guesthouse	2
Shared room	Shared room in hotel	2
Shared room	Shared room in loft	2
Shared room	Shared room in boutique hotel	1
Shared room	Shared room in condo	1
Shared room	Shared room in floor	1
Shared room	Shared room in guest suite	1
Shared room	Shared room in serviced apartment	1

Porcentaje de propiedades por tipo

Las propiedades son, en su mayoría, alojamientos enteros. De todas maneras, las habitaciones privadas representan cerca del 40% y las habitaciones compartidas un porcentaje muy minoritario. Las categorías por recodificar representan un número pequeño de propiedades, por lo que no deberían cambiar de manera importante esta distribución.

Propongo evaluar si generamos otra variable que categorice entre servicios de alojamiento formales como hoteles y hostales, y el alojamiento en unidades de vivienda no diseñadas para la pernoctación de turistas o población flotante. Más que nada, para distinguir con equipamientos como los hoteles si decidimos incorporarlos a través de OpenStreetMaps.

tipos <- data %>%
  count(accommodation_type, sort = TRUE) %>%  
  mutate(percentage = round(n / sum(n) * 100, 2)) 
pander(tipos)

accommodation_type	n	percentage
Entire place	11049	59.66
Private room	7324	39.55
Shared room	146	0.79

Mínimo y máximo de noches de alquiler

Otra variable interesante es la de noches mínimas y máximas. Las mímimas presentan datos elevadísimos en algunos casos, y creo que vale la pena considerar eliminar los outliers y ciertos valores muy altos. En el caso de las noches máximas los valores son elevados, pero eso tiene más sentido.

ggplot(data, aes(x = minimum_nights)) +
  geom_histogram(binwidth = 5, fill = "blue", color = "black", alpha = 0.7) +
  labs(title = "Histograma de Minimum Nights", x = "Minimum Nights", y = "Frecuencia") +
  theme_minimal()

ggplot(data, aes(y = minimum_nights)) +
  geom_boxplot(fill = "blue", color = "black", alpha = 0.7) +
  facet_wrap(~ accommodation_type) +
  labs(title = "Boxplot de Minimum Nights", y = "Minimum Nights") +
  theme_minimal()

# Calcular los límites de los outliers
outlier_limits <- boxplot.stats(data$minimum_nights)$out
cat("Los límites para considerar outliers son:", outlier_limits, "\n")

## Los límites para considerar outliers son: 120 90 180 90 300 186 120 180 180 364 119 90 180 120 90 1124 100 180 180 100 90 360 90 865 100 179 900 90 90 90 90 300 100 150 90 100 100 300 360 360 210 90 80 90 90 100 88 300 1124 360 90 80 90 90 90 365 180 150 90 500 100 90 300 90 120 180 300 90 90 180 90 300 310 90 90 90 90 250 80 90 90 90 86 90 1000 100 100 120 900 120 91 90 90 1000 91 365 90 100 1000 1000 1000 360 90 180 90 180 90 90 365 180 333 365 300 180 90 179 200 150 90 92 100 92 364 120 90 150 90 360 365 365 365 365 365 365 365 365 365 150 180 365 365 365 80 365 99 99 99 99 90 90 150 92 120 120 120 90 120 90 280 190 91 92 92 90 180 120 120 180 90 90 90 90 90 92 90 365 365 365 365 180 90 90 90 365 90 100 80 90

ggplot(data, aes(x = maximum_nights)) +
  geom_histogram(binwidth = 5, fill = "blue", color = "black", alpha = 0.7) +
  labs(title = "Histograma de Maximum Nights", x = "Maximum Nights", y = "Frecuencia") +
  theme_minimal()

ggplot(data, aes(y = maximum_nights)) +
  geom_boxplot(fill = "blue", color = "black", alpha = 0.7) +
  facet_wrap(~ accommodation_type) +
  labs(title = "Boxplot de Maximum Nights", y = "Maximum Nights") +
  theme_minimal()

Información sobre anfitriones

El dataset también incluye información sobre los hosts y si estos tienen más de un listing. Con esto se pueden ver casos en los que un edificio contenga varias unidades en alquiler en Airbnb, o si el host tiene muchas propiedades repartidas en la ciudad. Revisando un poco los host_id he detectado casos en los que se trata de emprendimientos o compañías dedicadas al alquiler vacacional. Esto podría ser de interés más adelante si ahondamos en temas de turistificación. De momento no me parece crucial trabajar las variables, pero sí saber que el dataset permite explorar estos puntos.

Dataset para el modelo

Dejo fuera los alojamientos que tienen un número de noches mínimas de 80 o más, que son las que representan valores outliers.

airbnb_data <- data[data$minimum_nights < 80, c("id", "price", "accommodation_type", "latitude", "longitude")]

Transformar price

El precio por noches está en dólares, por lo que se convertirá a euros al tipo de cambio correspondiente al día de extracción de la data.

airbnb_data$price <- as.integer(sub("\\$", "", airbnb_data$price))

## Warning: NAs introducidos por coerción

tipo_cambio = 0.9148 #Tipo de cambio USD a EUR el 20/03/2024
airbnb_data$precio_euro <- airbnb_data$price * tipo_cambio

write.csv(airbnb_data, "airbnb_data.csv", row.names = FALSE)

Datos del scrapping de Airbnb por Inside Airbnb

Juan Carraha

2024-07-10