ANALISIS INMOBILIARIO
JESUS MEJIA
2025-05-18
## Primero debemos cargar la base de datos de los inmuebles y abrirlo
library(readr)
install.packages("readr")## Warning: package 'readr' is in use and will not be installedInmuebles_Disponibles_Para_La_Venta_20250513 <- read_csv("C:/Users/Acer/Downloads/Inmuebles_Disponibles_Para_La_Venta_20250518.csv")## Rows: 448 Columns: 12
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (8): Ciudad, Departamento, Barrio, Direccion, Detalle Disponibilidad, Es...
## dbl (4): Codigo, Area Terreno, Area Construida, Precio
##
## 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.View(Inmuebles_Disponibles_Para_La_Venta_20250513)Para más comodidad cambiamos el nombre de la base de datos a un nombre más corto como “inmuebles”
inmuebles <- Inmuebles_Disponibles_Para_La_Venta_20250513
rm(Inmuebles_Disponibles_Para_La_Venta_20250513)A. Preguntas de Analisis 1. Analisis inicial y limpieza Para averiguar el numero de columnas, registros y el tipo de datos utilizamos los siguientes codigos
nrow(inmuebles)## [1] 448ncol(inmuebles)## [1] 12sapply(inmuebles, class)## Codigo Ciudad Departamento
## "numeric" "character" "character"
## Barrio Direccion Area Terreno
## "character" "character" "numeric"
## Area Construida Detalle Disponibilidad Estrato
## "numeric" "character" "character"
## Precio Tipo de Inmueble Datos Adicionales
## "numeric" "character" "character"2. Valores nulos y duplicados: averiguamos cuantas columnas tienen valores nulos (NA) y que porcentaje representan
colSums(is.na(inmuebles)) ## Codigo Ciudad Departamento
## 0 0 0
## Barrio Direccion Area Terreno
## 389 0 0
## Area Construida Detalle Disponibilidad Estrato
## 0 0 0
## Precio Tipo de Inmueble Datos Adicionales
## 0 0 371colMeans(is.na(inmuebles)) * 100 #para saber el porcentaje### Codigo Ciudad Departamento
## 0.00000 0.00000 0.00000
## Barrio Direccion Area Terreno
## 86.83036 0.00000 0.00000
## Area Construida Detalle Disponibilidad Estrato
## 0.00000 0.00000 0.00000
## Precio Tipo de Inmueble Datos Adicionales
## 0.00000 0.00000 82.81250Luego averiguamos si existen registros duplicados con el siguiente comando
sum(duplicated(inmuebles))## [1] 03. Depuración de datos: usando boxplot veremos si hay valores atípicos en las columnas de precio, area construida y area de terreno, y agregamos un codigo para desactivar la notación científica que usa R con los números extremadamente grandes
options(scipen = 999)
boxplot(inmuebles$Precio,
main = "distribucion del Precio",
ylab = "Precio en pesos",
col = "red",
outline = TRUE)
boxplot(inmuebles$`Area Construida`,
main = "distribucion del area construida",
ylab = "area en metros",
col = "red",
outline = TRUE)
boxplot(inmuebles$`Area Terreno`,
main = "distribucion del area de terreno",
ylab = "area en metros",
col = "red",
outline = TRUE)
Como resultado vemos que en ambas categorias, precio y areas, existen valores atipicos los cuales se alejan mucho del promedio del resto de los datos
B. Análisis Descriptivo 4. Distribuciones: hallamos la distribucion de los precios para saber si es normal o sesgada
library(ggplot2)
ggplot(inmuebles, aes(x = Precio)) +
geom_histogram(bins = 30, fill = "skyblue", color = "black") +
labs(title = "Distribución del Precio de los Inmuebles",
x = "Precio (en pesos)", y = "Frecuencia") +
theme_minimal()
Con el siguiente cogigo averiguaremos si la distribucion de precios es
#install.packages("e1071")#
library(e1071)
skewness(inmuebles$Precio, na.rm = TRUE)## [1] 7.256093Este resultado del skewness de 7.25 es un valor considerado muy alto y positivo, lo que implica que la distribución del precio está fuertemente sesgada a la derecha,
#lo que significa que los precios de la mayoría de los inmuebles tienen precios relativamente bajos
Luego averiguamos cual es el inmueble mas comun por medio de un grafico de barras
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ stringr 1.5.1
## ✔ forcats 1.0.0 ✔ tibble 3.2.1
## ✔ lubridate 1.9.4 ✔ tidyr 1.3.1
## ✔ purrr 1.0.4
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(ggplot2)
ggplot(inmuebles, aes(x = `Tipo de Inmueble`)) +
geom_bar(fill = "steelblue") +
labs(title = "Tipo de Inmueble", y = "Frecuencia") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1))
B. Estadísticas clave: usando las columnas con tipo de dato numerico, Calcular media, mediana, desviación estándar, cuartiles y tablas de frecuencias
Media
library(dplyr)
inmuebles %>%
summarise(
across(
c(Precio, Codigo, `Area Construida`, `Area Terreno`),
list(media = mean),
na.rm = TRUE
)
)## Warning: There was 1 warning in `summarise()`.
## ℹ In argument: `across(...)`.
## Caused by warning:
## ! The `...` argument of `across()` is deprecated as of dplyr 1.1.0.
## Supply arguments directly to `.fns` through an anonymous function instead.
##
## # Previously
## across(a:b, mean, na.rm = TRUE)
##
## # Now
## across(a:b, \(x) mean(x, na.rm = TRUE))## # A tibble: 1 × 4
## Precio_media Codigo_media `Area Construida_media` `Area Terreno_media`
## <dbl> <dbl> <dbl> <dbl>
## 1 9.37e12 17680. 11552. 1619546.Mediana
inmuebles %>%
summarise(
across(
c(Precio, Codigo, `Area Construida`, `Area Terreno`),
list(mediana = median),
na.rm = TRUE
)
)## # A tibble: 1 × 4
## Precio_mediana Codigo_mediana `Area Construida_mediana` `Area Terreno_mediana`
## <dbl> <dbl> <dbl> <dbl>
## 1 165205000000 18292. 0 0desviación estándar
inmuebles %>%
summarise(
across(
c(Precio, Codigo, `Area Construida`, `Area Terreno`),
sd,
na.rm = TRUE
)
)## # A tibble: 1 × 4
## Precio Codigo `Area Construida` `Area Terreno`
## <dbl> <dbl> <dbl> <dbl>
## 1 3.82e13 2543. 128518. 18588576.cuartiles
summary(inmuebles[, c("Precio", "Codigo", "Area Construida", "Area Terreno")])## Precio Codigo Area Construida
## Min. : 0 Min. : 2330 Min. : 0
## 1st Qu.: 125725000000 1st Qu.:18129 1st Qu.: 0
## Median : 165205000000 Median :18292 Median : 0
## Mean : 9372905838390 Mean :17680 Mean : 11552
## 3rd Qu.: 1861440000000 3rd Qu.:18472 3rd Qu.: 0
## Max. :452337898200000 Max. :19353 Max. :2272400
## Area Terreno
## Min. : 0
## 1st Qu.: 0
## Median : 0
## Mean : 1619546
## 3rd Qu.: 0
## Max. :321719700tablas de frecuencias
lapply(inmuebles[c("Ciudad", "Departamento", "Barrio", "Detalle Disponibilidad", "Estrato", "Tipo de Inmueble")], table)## $Ciudad
##
## AGUAZUL ANGOSTURA
## 3 1
## ARMERO BARRANQUILLA
## 2 14
## BITUIMA BOGOTA
## 1 34
## BOLIVAR - CAUCA BUGA
## 1 5
## CALI CALIMA EL DARIEN
## 7 10
## CARMEN DE BOLIVAR CARTAGENA
## 1 3
## CAUCASIA CHIA
## 1 2
## CUCUTA CURITI
## 9 1
## DAGUA EL AGUILA
## 1 1
## EL PLAYON EL ROSAL
## 1 1
## ENVIGADO FUNZA
## 1 1
## GIRARDOT IBAGUE
## 4 1
## LA CALERA LA DORADA
## 1 1
## LA VIRGINIA LOS PATIOS
## 1 1
## MADRID MANIZALES
## 1 13
## MARSELLA MEDELLIN
## 1 5
## MONTERIA PEREIRA
## 6 12
## PIEDRAS PUERTO LOPEZ
## 1 1
## RICAURTE SAN ANTONIO DEL TEQUENDAMA
## 1 2
## SANTANDER DE QUILICHAO SOATA
## 2 1
## SOGAMOSO TARAZA
## 1 1
## TENJO TIBU
## 1 1
## TURBO VILLA RICA
## 1 1
## VILLAVICENCIO YUMBO
## 285 1
##
## $Departamento
##
## ANTIOQUIA ATLÁNTICO BOLÍVAR BOYACÁ
## 10 14 4 2
## CALDAS CASANARE CAUCA CÓRDOBA
## 14 3 4 6
## CUNDINAMARCA META NORTE DE SANTANDER RISARALDA
## 49 286 11 14
## SANTANDER TOLIMA VALLE DEL CAUCA
## 2 4 25
##
## $Barrio
##
## AV 30 DE AGOSTO BELLAVISTA
## 10 1
## CENTRO CIUDADELA CHIPICHAPE
## 3 1
## CONDOMINIO CAMPESTRE MONACO CORREGIMIENTO EL CARMEN
## 1 1
## EL CENTRO EL HOYO
## 1 1
## EL PRADO GUACANDÁ
## 1 1
## JOSE MARIA CABAL LA CALERA
## 4 1
## PARQUE IND CAUCADESA PARQUE INDUSTRIAL CAUCADESA
## 1 1
## PRADOS DEL NORTE SANTA MATILDE
## 4 1
## SINAI SUBA
## 10 1
## TINTALA VEREDA CHAMBIMBAL
## 1 1
## VEREDA DE CAMBULAR VEREDA FONQUETA
## 1 1
## VEREDA PALERMO VILLA DEL SUR
## 10 1
##
## $`Detalle Disponibilidad`
##
## COMERCIALIZABLE COMERCIALIZABLE CON RESTRICCION
## 319 91
## COMERCIALIZABLE CON RESTRICCION FIDUCIA COMERCIALIZABLE FIDUCIA
## 1 12
## COMERCIALIZABLE TERCEROS COMERCIALIZABLE VENTA ANTICIPADA
## 11 13
## EN PUJA
## 1
##
## $Estrato
##
## CINCO COMERCIAL CUATRO DOS INDUSTRIAL RURAL SEIS
## 8 321 13 32 3 36 18
## TRES UNO
## 16 1
##
## $`Tipo de Inmueble`
##
## APARTAMENTO BODEGA CASA
## 5 8 14
## CLINICA EDIFICIO EDIFICIO VIVIENDA
## 3 4 2
## FINCA GARAJE HOTEL
## 8 2 1
## LOCAL LOTE LOTE AGRICOLA
## 304 4 5
## LOTE COMERCIAL LOTE CON CONSTRUCCION LOTE INDUSTRIAL
## 3 8 4
## LOTE MIXTO LOTE NO URBANIZABLE LOTE VIVIENDA
## 6 1 38
## OFICINA
## 286. AGRUPACIONES: calcularemos el promedio del precio por estrato
library(dplyr)
options(scipen = 999)
inmuebles%>%
group_by(Estrato)%>%summarise(Promedio_Precio = mean(Precio, na.rm = TRUE))## # A tibble: 9 × 2
## Estrato Promedio_Precio
## <chr> <dbl>
## 1 CINCO 1.60e13
## 2 COMERCIAL 4.15e12
## 3 CUATRO 7.84e12
## 4 DOS 1.30e13
## 5 INDUSTRIAL 1.22e14
## 6 RURAL 3.08e13
## 7 SEIS 7.06e12
## 8 TRES 3.87e13
## 9 UNO 9.82e11Ahora hallamos el promedio de precios por ciudad
inmuebles%>%
group_by(Ciudad)%>%summarise(Promedio_Precio = mean(Precio, na.rm = TRUE))## # A tibble: 48 × 2
## Ciudad Promedio_Precio
## <chr> <dbl>
## 1 AGUAZUL 1.39e13
## 2 ANGOSTURA 2.46e13
## 3 ARMERO 4.73e12
## 4 BARRANQUILLA 4.88e12
## 5 BITUIMA 4.81e12
## 6 BOGOTA 5.27e13
## 7 BOLIVAR - CAUCA 7.38e12
## 8 BUGA 9.65e13
## 9 CALI 3.51e12
## 10 CALIMA EL DARIEN 2.19e13
## # ℹ 38 more rowsC. Análisis Espacial (Geográfico): (Si no hay coordenadas): Analizaremos los precios por departamento, y los representamos en un mapa coropléticos)
library(dplyr)
library(ggplot2)
library(sf)## Linking to GEOS 3.13.1, GDAL 3.10.2, PROJ 9.5.1; sf_use_s2() is TRUElibrary(tmap)
Colombia <- st_read("C:/Users/acer/Downloads/R/COLOMBIA.shp")## Reading layer `COLOMBIA' from data source `C:\Users\Acer\Downloads\R\COLOMBIA.shp' using driver `ESRI Shapefile'
## Simple feature collection with 33 features and 9 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: -81.73562 ymin: -4.229406 xmax: -66.84722 ymax: 13.39473
## Geodetic CRS: MAGNA-SIRGASMapas y geolocalización: identificar como se reparten los niveles de precio por departamentos
En el siguiente codigo creamos una agrupacion donde solo esten los departamentos junto al promedio de precios de cada uno, luego juntamos esta base de datos con el shapefile de Colombia donde tenemos los datos geográficos,
#para finalmente con la informacion necesaria junta, crear el mapa por departamento distinguido por promedio de precio
precio_por_dpto <- inmuebles %>%
group_by(Departamento) %>%
summarise(PrecioPromedio = mean(Precio, na.rm = TRUE))
mapa <- left_join(Colombia, precio_por_dpto, by = c("DPTO_CNMBR" = "Departamento"))
tm_shape(mapa) +
tm_polygons("PrecioPromedio",
title = "Precio promedio",
palette = "YlOrRd",
style = "quantile") +
tm_layout(main.title = "Mapa de precios por departamento en Colombia")## ## ── tmap v3 code detected ───────────────────────────────────────────────────────## [v3->v4] `tm_polygons()`: instead of `style = "quantile"`, use fill.scale =
## `tm_scale_intervals()`.
## ℹ Migrate the argument(s) 'style', 'palette' (rename to 'values') to
## 'tm_scale_intervals(<HERE>)'
## [v3->v4] `tm_polygons()`: migrate the argument(s) related to the legend of the
## visual variable `fill` namely 'title' to 'fill.legend = tm_legend(<HERE>)'
## [v3->v4] `tm_layout()`: use `tm_title()` instead of `tm_layout(main.title = )`
## [cols4all] color palettes: use palettes from the R package cols4all. Run
## `cols4all::c4a_gui()` to explore them. The old palette name "YlOrRd" is named
## "brewer.yl_or_rd"
## Multiple palettes called "yl_or_rd" found: "brewer.yl_or_rd", "matplotlib.yl_or_rd". The first one, "brewer.yl_or_rd", is returned.
##
## [plot mode] fit legend/component: Some legend items or map compoments do not
## fit well, and are therefore rescaled.
## ℹ Set the tmap option `component.autoscale = FALSE` to disable rescaling.
8. Patrones geográficos: Hallar si hay diferencia de precios entre las ciudades
vemos que hay ciudades como Buga, donde hay precios que superan por mucho el precio promedio de su propio territorio y el de ciudades vecinas, un escenario parecido esta presente en los precios de los inmuebles en Bogota
ggplot(inmuebles, aes(x = Ciudad, y = Precio)) +
geom_boxplot(fill = "skyblue", outlier.color = "red") +
theme_minimal() +
labs(title = "Distribucion de precios por ciudad",
x = "Ciudad",
y = "Precio del inmueble") +
theme(axis.text.x = element_text(angle = 90, hjust = 1))
Ahora hallaremos la variacion del precio por metro cuadrado en barrios de estrato alto
nos encontramos con la situación de que en la columna de área construida hay muchos valores con cero (0), lo cual nos puede perjudicar los resultados, para ello, eliminamos los registros que en esa columna tengan cero
sin_areaconstruida_en_cero <- inmuebles %>%
filter(`Area Construida` > 0)la situacion actual deja solo 10 registros los cuales tienen valores mayores a cero en la columna de area construida, y ninguno de los registros restantes se encuantran clasificados como un estrato alto (de superior a cuatro),
#solo hay estrato rural, comercial e industrial, por lo que no podemos hacer el analisis en estrato alto
D. Relaciones entre Variables 9. Correlaciones: hallar las variables numericas que mas se correlacionene con el precio
numericas <- select_if(inmuebles, is.numeric) #creamos un data frame con solo variables numericas
correlaciones <- cor(numericas, use = "complete.obs")
correlaciones_con_precio <- sort(correlaciones["Precio", ], decreasing = TRUE)
correlaciones_con_precio## Precio Area Construida Area Terreno Codigo
## 1.0000000 0.5621413 0.4701345 -0.3018968con los resultados podemos conlcuir que el area construida influye mas que el area de terreno pues 0,56 es mayor que 0,47, ya que existe en la variable de area construida una correlación positiva moderada alta, lo que significa que a mayor área construida, mayor precio
10. Análisis multivariable: hallamos la relacion entre el precio con el estrato y el tipo de inmueble
library(ggplot2)
ggplot(inmuebles, aes(x = Estrato, y = Precio)) +
geom_jitter(width = 0.2, alpha = 0.5, color = "darkblue") +
facet_wrap(~ `Tipo de Inmueble`) +
labs(title = "Relacion entre Precio y Estrato por Tipo de Inmueble",
x = "Estrato",
y = "Precio en pesos") +
theme(axis.text.x = element_text(angle = 90, hjust = 1))