Actividad 1
Alejandra Espitia Posada
2026-02-15
Descripción
Este informe presenta el análisis de una base de datos que contiene la información del mercado de viviendas urbanas de la ciudad de Cali. Se realizó un Análisis Exploratorio, la Preparación de los Datos, un Análisis de Componentes Principales, un Análisis de Conglomerados y un Análisis de Correspondencias. Este proceso es indispensable para ayudar a la empresa patrocinadora a que pueda tomar mejores decisiones estratégicas.
Objetivos
Objetivo general
Realizar un análisis integral y multidimensional de la base de datos para obtener una comprensión del mercado inmobiliario urbano.
Objetivos específicos
Realizar un análisis exploratorio y la limpieza de los datos si aplica.
Identificar características clave que influyen en la variación de precios y oferta del mercado.
Entender las dinámicas de las ofertas específicas en diferentes partes de la ciudad y en diferentes estratos socioeconómicos.
Identificar patrones de comportamiento de la oferta en mercado inmobiliario.
Presentar gráficos, mapas y otros recursos visuales para comunicar los hallazgos de manera clara y efectiva a la dirección de la empresa.
Base de datos y variables
La base de datos contiene la información de 8322 viviendas y sus atributos. La descripción de cada atributo y su clasificación según su naturaleza se encuentra en el Anexo 1.
Análisis Exploratorio de Datos (EDA)
Se llevó a cabo un EDA para evaluar el estado en el que se encontraba el dataset antes de comenzar el análisis.
Al momento de ver el dataset por primera vez, se nota que la variable “piso” está con el formato equivocado (character) ya que debería ser numérico, así que se corrigió.
En primera instacia, se revisó que no hayan filas duplicadas, es decir, que ningún par de filas tengan exactamente la misma información para todas las columnas.
## Número de duplicados: 1Posteriormente se hizo una revisión de valores negativos para las variables numéricas a excepción de la latitud y longitud que sí pueden poseerlos.En dicha revisión, se evidenció que ninguna de las variables posee un valor negativo (Anexo 2).
Seguidamente se revisó que las variables categóricas no tuvieran errores tipográficos (Anexo 3). A partir de este overview, se observó que las variables Zona y Tipo no poseían errores de este tipo, pero, la variable Barrio sí, por lo cual se decidió realizar con ayuda de la información del gobierno Colombiano [1].
Se revisó cuántas veces se repite cada nombre de barrio (Anexo 4).
En este overview, se identificó que habían barrios con caracteres especiales que no habían codificado bien, tildes, registros que contenían la palabra “barrios” al inicio, registros que contenían información de la zona en vez del barrio, términos como “centro” y “occidente” y nombres compuestos por dos palabras sin el espacio correspondiente. Para este último issue, se evidenció que todos los casos presentados contenían información en la columna “Zona” (Anexo 5)
A continuación se revisó la presencia de valores faltantes. Se notó que hay 4275 valores faltantes en total y el discriminado por variables se encuentra en el Anexo 6.
## [1] 4275Finalmente, se revisaron outliers presentes en las variables numéricas mediante el Box-plot observado en la Figura 1 (Anexo 7). Todas a excepción de id, estrato y latitud presentan valores atípicos.
Preparación de datos
Duplicados
Como se encontró que había un duplicado durante el EDA, se eliminaron las filas implicadas.
Errores tipográficos
La reconcilación de errores tipográficos en las variable “Barrio” se hizo únicamente con respecto a caracteres especiales y espacios debido a que puede que hayan barrios que no se encuentren en la lista provista y no se quiso caer en errores por asumir que dos barrios con nombres similares son el mismo.
En este procesamiento se realizó una eliminación de tildes, se quitó la palabra “barrio” que se encontraba al inicio de algunos registros, se eliminaron espacios al inicio y final, se corrigieron nombres compuestos por dos palabras que no tenía espacio entre ellas y se corrigieron caracteres especiales que no se codificaron bien.Adicionalmente, se notó que habían filas que tenía información sobre la zona en la columna barrio, por lo cual se decidío cambiarlos a NA tras comprobar que la información no faltaba en la columna “zona”. Al final se obtuvo un subset limpio (Anexo 8).
Tratamiento de Valores faltantes
Debido a que el número de valores faltantes representan aproximadamente la mitad del dataset, eliminarlos todos no es una opción viable, por lo cual, se decidió intentar imputar las variables categóricas usando la moda condicionada por la zona, y, la mediana por zona para las variables numéricas. Para ello, primero se revisó cuántos registros tienen tanto el barrio como la zona como NA, con lo que se observó que dos registros cumplen con esta característica.
Variables categóricas
Se realizó una revisión del número de registros que tenían tanto la zona como el barrio en blanco.
## Número de registros con zona y barrio NA: 2Por lo anterior, sólo fue posible imputar uno de los registros con barrio como NA.
A continuación, se hizo el mismo proceso para zonas faltantes con la moda condicionada por barrio, con lo cual se logró imputar un registro.
Para la variable “tipo”, se decidió imputar teniendo en cuenta el barrio y el número de habitaciones. En caso de que hubiera un NA en “habitaciones”, se imputó por barrio. Si ambos atributos estaban como NA, se dejó NA en el registro. Con este approach se logró imputar un registro.
Se evaluó cuántos valores faltantes hay en las variables categóricas. Se evidenció que son sólo 6 NAs en total, por lo que se decidió eliminarlos al no ser un número significativo frente al total de dataset. Tras esta acción, se eliminaron sólo 2 registros.
Variables numéricas
Como se realizó la eliminación de 2 registros por NAs en las variables categóricas, se decidió revisar nuevamente en qué variables numéricas aún había valores faltantes. Así, se evidención que sólo las variables “piso” y “parqueaderos” aún los presentan.
## [1] 4237## id zona piso estrato preciom areaconst
## 0 0 2635 0 0 0
## parqueaderos banios habitaciones tipo barrio longitud
## 1602 0 0 0 0 0
## latitud
## 0Se procedió a observar cuántos registros se eliminarían en caso de tener al menos unas de estas dos variables como NA. Se evidenció que se tendrían que eliminar 3511, lo cual es una cantidad muy significativa dado el tamaño del dataset. Por lo anterior, se decidió recurrir a la imputación considerando a priori que ambas son consideradas variables secundarias al momento de asignarle valor, pero, teniendo en cuenta que análisis posteriores podrían indicar lo contrario y en ese caso se debería hacer una revisión más rigurosa.
## [1] 3511El análisis se empezó con parqueaderos porque se considera que tiene una relación más significativa con las otras variables qué pisos. La imputación se realizó condicionada por estrato y area construída. Como área construida es una variable continua, se tuvo que dividir por rangos para poder calcular la mediana.
Seguidamente se realizó la imputación de los valores faltantes de piso a condicionada por tipo y barrio. En caso de no existir la mediana condicionada por las dos variables, se calculó sólo con tipo. Con esta acción se pudieron imputar todos los valores faltantes.
Con todo este proceso, la base de datos quedó con 8319 registros y sin ningún valor faltante.
Tratamiento de outliers
Como se notó en el EDA, todas las variables numéricas a exceptión de piso, id y latitud presentaban outliers. Por lo cual, para comenzar se realizó una identificación rigurosa de los outliers en cada categoría para definir cuál será su tratamiento por medio del rango intercuartílico (Anexo 9). Tras analizar los outliers encontrados, se llegó a la conclusión de que se conservarían debido a que hay gran variedad de viviendas con diferentes precios por metro, áreas, habitaciones, baños y parqueaderos, no se considera que ninguno de los datos mostrados no sea válido. En cuanto a la longitud, ninguna de las presentadas se sale de las coordenadas de Cali, por lo que también se conservaron todos los valores.
Análisis de Componentes Principales (PCA)
Para evitar que las variables que tienen escalas con valores más grandes afecten las estimaciones que se realizaron se estandarizaron las variables para comenzar. La variable id se excluyó por ser un identificador. Estrato y piso se excluyeron por ser variables discretas/ordinales y no comparables como medidas continuas estandarizadas. Latitud y longitud se excluyeron para que el PCA represente principalmente atributos estructurales y de valorización, y no la localización geográfica
Luego de la estandarización, se ejecutó el análisis de componentes principales (PCA). En este análisis (Figura 2), se observa que el primer componente principal explica el 64.4% de la variabilidad en la base de datos y con el segundo logran 82.3% en conjunto. Esto quiere decir que con los dos primeros componentes principales es suficiente para representar la mayor parte de la información.
Figura 2. Porcentajes de explicación de la varianza
Seguidamente, se visualizaron las variables en el plano de los componentes principales para PC1 y PC2 (Figura 3). Allí, se observó que PC1 está influenciado por área construida, baños, precio por metro, parqueaderos, es decir, representa una dimensión de tamaño y valorización de la propiedad. Por su parte, PC2, está influenciado principalmente habitaciones, es decir, es una dimensión complementaria.
Figura 3. Variables en el plano de componentes principales
Para explicar el sentido de los ejes de las variables, se escogieron cuatro casos extremos.
Se hizo un gráfico para el análisis de esos casos extremos (Figura 4).
Figura 4. Muestra el gráfico de observaciones
Para la vivienda 3108, se tiene un precio por metro de 160, un área construida de 73m2, mientras que al otro extremo, se tiene la vivienda 1762 con un precio por metro de 1800 y un área de 1586 m2. Esto muestra el sentido en el que aumentan los valores de PC1 (izquierda a derecha).
Ahora, la vivienda 585 tiene 10 habitaciones, mientras que la vivienda 5908 no tiene habitaciones; seguramente se trata de un apartaestudio o similar. Esto quiere decir que los valores para PC2 aumentan de arriba hacia abajo.
Ahora bien, se realizó una representaicón gráfica de ambos componentes principales para observar la relación existente entre las variables y las observaciones (Figura 5).
Figura 5. Relación variables y observaciones
La figura 5 muestra que las viviendas de las distintas zonas están ampliamente distribuidas y no forman grupos separados en el espacio de los dos primeros componentes. Esto indica que las características estructurales que se consideraron para el análisis no diferencian las viviendas según la zona, lo cual en el ámbito inmobiliario tiene sentido ya que en todas las zonas pueden haber casas y apartamentos con diversas características.
Análisis de Conglomerados
Se emplearon los componentes definidos al hacer PCA. Para comenzar, se procedió a calcular la distancia euclidiana entre ellos.
Seguidamente, se realizó un dendograma (Figura 6) con una muestra representativa de los datos, en el que se nota una un incremento significativo en la distancia a partir de una altura aproximada de 6, lo que indica la unión de grupos considerablemente diferentes. Con base en este criterio, se seleccionaron cuatro clusteres ya que en ese nivel se pueden identificar grupos homogénos a nivel interno y bien diferenciados entre sí.
Figura 6. Dendograma
A continuación, se distribuyeron las viviendas por distancia empleando el número de clusters obtenido a partir del dendograma. Esta información se condensó en un gráfico de puntos (Figura 7).
Figura 7. Gráfico de puntos
En la figura 7 se evidencia que las viviendas pudieron ser separadas en cuatros clústers con características similares.
Los conglomerados presentan una separación principalmente a nivel de PC1, lo que confirma que esta dimensión es el factor principal para diferenciar las viviendas.
En el clúster 1 se encuentran viviendas con menores valores en PC1, correspondientes a propiedades de menor tamaño y menor precio por metro cuadrado. Por su parte, los clústeres 3 y 4 agrupan viviendas con mayores valores en PC1, lo que corresponde a propiedades de mayor tamaño y mayor nivel de valorización. El clúster 2 representa un segmento intermedio.
Por último, se midió el índice de Silhouette promedio para evaluar la calidad.
## Coeficiente de Silhouette promedio k=4 : 0.2649839El coeficiente obtenido indica que hay una separación moderada entre los clusteres, es decir, dentro de cada grupo se tienen características similares, pero existe cierto grado de solapamiento entre clústeres. Esto se explica debido a la naturaleza de las variables analizadas, dado que no presentan límites definidos claramente entre segmentos sino transiciones graduales entre diferentes tipos de viviendas.
Análisis de Correspondencias
Debido a que se van a analizar las variables zona, barrio y tipo, se realizó el mismo procedimiento para los 3 pares:
- Creación de tabla de contingencia
- Evaluación de la independencia de las variables
- Análisis de correspondencia
- Grado de representabilidad
Zona - Barrio
La tabla 3 (Anexo 10) es la tabla de contingencia de Zona y Barrio, la cual nos muestra cuántas viviendas hay ubicadas en determinada combinación de zona y barrio.
Seguidamente se revisó la independencia de las variables con Chi cuadrado. Como el p-value es inferior a se rechaza la hipótesis de independencia de las variables, es decir, están relacionadas.
##
## Pearson's Chi-squared test with simulated p-value (based on 2000
## replicates)
##
## data: tabla_zb
## X-squared = 14165, df = NA, p-value = 0.0004998Posteriormente, se hizo el análisis de correspondencia (Figura 8). Aquí se puede observar en qué zonas se encuentran ubicados distintos barrios, y, que de los top 20 por contribución ninguno está ubicado en la zona centro.
Figura 8. AC Zona - Barrio
Por último, se evaluó el grado de representabiliad (Figura 9). Aquí se evidencia que la primera componente representa el 27.3% de la varianza, seguido por el segundo con 26.4%, el tercero con 25.5% y el último con 20.8%. Por lo tanto, la varianza se distribuye de forma relativamente homogénea entre los ejes.
Porcentaje de representabilidad Zona-Barrio
Zona - Tipo
La tabla 4 (Anexo 11) es la tabla de contingencia de Zona y Tipo, la cual nos muestra cuántas viviendas hay ubicadas en determinada combinación de zona y tipo. Entre los valores obtenido es evidente que, la zona que más tiene casas y apartamentos es la Zona Sur, mientras que la que menos casas y apartamentos tiene es la Zona Centro. En cuanto a proporción, la Zonas Norte, Oeste y Sur tienen más apartamentos que casas, mientras que las Zonas Centro y Oriente tienen más casas que apartamentos.
Seguidamente se revisó la independencia de las variables con Chi cuadrado. Como el p-value es inferior a se rechaza la hipótesis de independencia de las variables, es decir, están relacionadas.
##
## Pearson's Chi-squared test
##
## data: tabla_zt
## X-squared = 320.36, df = 4, p-value < 2.2e-16Posteriormente, se hizo el análisis de correspondencia. De este análisis, se obtuvo una sola dimensión, por lo que no fue posible hacer el gráfico con biplot.
Por último, se evaluó el grado de representabiliad (Figura 10). Aquí se evidencia que la primera componente representa el 100% de la varianza, como se evidenció anteriormente.
Figura.10 Porcentaje de representabilidad Zona-Tipo
Barrio - Tipo
La tabla 5 (Anexo 12) es la tabla de contingencia de Barrio y Tipo, la cual nos muestra cuántas viviendas hay ubicadas en determinada combinación de barrio y tipo. En la tabla se ve que el barrio que tiene mayor cantidad de casas es Ciudad Jardín, y, el que tiene mayor cantidad de apartamentos es Valle Del Lili.
Seguidamente se revisó la independencia de las variables con Chi cuadrado. Como el p-value es inferior a se rechaza la hipótesis de independencia de las variables, es decir, están relacionadas.
##
## Pearson's Chi-squared test with simulated p-value (based on 2000
## replicates)
##
## data: tabla_bt
## X-squared = 1191.3, df = NA, p-value = 0.0004998Posteriormente, se hizo el análisis de correspondencia. De este análisis, se obtuvo una sola dimensión, por lo que no fue posible hacer el gráfico con biplot
Por último, se evaluó el grado de representabiliad (Figura 11). Aquí se evidencia que la primera componente representa el 100% de la varianza, como se evidenció anteriormente.
Figura 11. Porcentaje de representabilidad Barrio-Tipo
Visualización de Resultados
Se definieron gráficos para mostrarle los resultados obtenidos a la inmobiliaria.
La tabla 6 muestra la información de la mediana de la variable precio por metro, área construida, habitaciones, baños y parqueaderos de cada zona.
Esta información permite identificar las zonas con mayor valorización y aquellas donde predominan viviendas con características específicas.
| zona | med_precio_m2 | med_area | med_hab | med_ban | med_parq |
|---|---|---|---|---|---|
| Zona Oeste | 580 | 165.5 | 3 | 4.0 | 2 |
| Zona Sur | 320 | 113.0 | 3 | 3.0 | 1 |
| Zona Norte | 300 | 107.0 | 3 | 2.0 | 1 |
| Zona Centro | 297 | 160.0 | 4 | 2.5 | 1 |
| Zona Oriente | 210 | 160.0 | 4 | 2.0 | 1 |
La Figura 12 muestra la distribución geográfica de los clusters en la ciudad de Cali.
Se observa que los diferentes clústeres están distribuidos en toda la ciudad, aunque algunos presentan mayor concentración en determinadas áreas.
Figura 12. Distribución geográfica de clusters
La Tabla 7 muestra la información de la mediana del precio por metro, área construida, habitaciones, baños, parqueaderos, y, el número promedio de casas y apartamentos de cada cluster.
Esta información permite caracterizar cada clúster según sus atributos principales.
| cluster | casas | apartamentos | med_precio_m2 | med_area | med_hab | med_ban | med_parq |
|---|---|---|---|---|---|---|---|
| 1 | 2511 | 2490 | 404.0 | 164 | 4 | 3 | 2 |
| 2 | 477 | 2605 | 197.5 | 72 | 3 | 2 | 1 |
| 3 | 187 | 2 | 1000.0 | 551 | 7 | 7 | 4 |
| 4 | 44 | 3 | 1700.0 | 530 | 5 | 6 | 7 |
La figura 13 muestra el número de casas y apartamentos por zonas.
Se observa que ambos tipos de vivienda están presentes en todas las zonas, aunque con diferente frecuencia.
Figura 13. Heatmap de Zona vs Tipo
Recomendaciones
Priorizar estrategias diferenciadas por zona usando la Tabla 6, ya que el perfil típico de vivienda y el precio por metro varían entre zonas.
Usar los clústeres como segmentación operativa para portafolio y campañas, puesto que representan perfiles estructurales y de valorización distintos (Tabla 7).
Para análisis de expansión o captación, apoyar decisiones con el mapa de clústeres, identificando qué segmentos predominan en cada área de la ciudad (Figura 12).
Conclusiones
El mercado inmobiliario presenta diferencias entre zonas en términos de precio por metro cuadrado, área construida y número de amenidades, lo que indica que no es homogéneo.
Las variables que más influyen en la variación entre viviendas son el área construida, el precio por metro cuadrado, el número de baños, parqueaderos y habitaciones, lo que representa principalmente una dimensión de tamaño y valorización.
El análisis de conglomerados permitió identificar cuatro segmentos de viviendas con características estructurales y niveles de valorización distintos. Estos segmentos se encuentran distribuidos en toda la ciudad, lo que indica que viviendas con características similares pueden ubicarse en diferentes zonas.
Existe una relación entre las variables zona, barrio y tipo, lo que muestra que la distribución de la oferta inmobiliaria depende de la ubicación.
Referencias
Anexos
Anexo 1
| Nombre | Descripción | Clasificación.por.naturaleza |
|---|---|---|
| id | Número identificador de la vivienda | Cualitativa nominal |
| Zona | Zona donde se encuentra la vivienda | Cualitativa nominal |
| Piso | Piso en el que se encuentra la vivienda | Cuantitativa discreta |
| Estrato | Estrato social | Cualitativa ordinal |
| Preciom | Precio por metro | Cuantitativa continua |
| Areaconst | Área construida | Cuantitativa continua |
| Parqueaderos | Número de parqueaderos | Cuantitativa discreta |
| Banios | Número de baños | Cuantitativa discreta |
| Habitaciones | Número de habitaciones | Cuantitativa discreta |
| Tipo | Tipo de vivienda | Cualitativa nominal |
| Barrio | Barrio en el que se encuentra la vivienda | Cualitativa nominal |
| Longitud | Longitud en la que se encuentra la vivienda | Cuantitativa continua |
| Latitud | Latitud en la que se encuentra la vivienda | Cuantitativa continua |
Anexo 2
## id piso estrato preciom areaconst parqueaderos
## 0 0 0 0 0 0
## banios habitaciones
## 0 0Anexo 3
## [1] "Zona Oriente" "Zona Sur" "Zona Norte" "Zona Oeste" "Zona Centro"## [1] "Casa" "Apartamento"## [1] "20 De Julio" "3 De Julio"
## [3] "Acopi" "Agua Blanca"
## [5] "Aguablanca" "Aguacatal"
## [7] "Alameda" "Alameda Del Rio"
## [9] "Alamos" "Alborada"
## [11] "Alcazares" "Alferez Real"
## [13] "Alfonso Lopez" "Alfonso Lopez i"
## [15] "Alto Jordan" "Altos De Guadalupe"
## [17] "Altos De Menga" "Altos De Santa"
## [19] "Antonio Narino" "Aranjuez"
## [21] "Arboleda" "Arboleda Campestre Candelaria"
## [23] "Arboledas" "Atanasio Girardot"
## [25] "Autopista Sur" "Bajo Aguacatal"
## [27] "Barranquilla" "7de Agosto"
## [29] "El Recuerdo" "Eucaristico"
## [31] "Obrero" "Tranquilo y"
## [33] "Base Aerea" "Belalcazar"
## [35] "Belisario Caicedo" "Bella Suiza"
## [37] "Bella Suiza Alta" "Bellavista"
## [39] "Benjamin Herrera" "Berlin"
## [41] "Bloques Del Limonar" "Bochalema"
## [43] "Bolivariano" "Bosques De Alboleda"
## [45] "Bosques Del Limonar" "Boyaca"
## [47] "Bretana" "Brisas De Guadalupe"
## [49] "Brisas De Los" "Brisas Del Guabito"
## [51] "Brisas Del Limonar" "Bueno Madrid"
## [53] "Buenos Aires" "Canasgordas"
## [55] "Canaveralejo" "Canaverales"
## [57] "Canaverales Los Samanes" "Caldas"
## [59] "Cali" "Cali Bella"
## [61] "Calicanto" "Calicanto Viii"
## [63] "Calima" "Calimio Norte"
## [65] "Calipso" "Cambulos"
## [67] "Camino Real" "Campestre"
## [69] "Caney" "Caney Especial"
## [71] "Capri" "Cascajal"
## [73] "Cataya Real" "Ceibas"
## [75] "Centelsa" "Centenario"
## [77] "Centro" "Cerro Cristales"
## [79] "Cerros De Guadalupe" "Champagnat"
## [81] "Chapinero" "Chiminangos"
## [83] "Chiminangos 1 Etapa" "Chiminangos 2 Etapa"
## [85] "Chipichape" "Ciudad 2000"
## [87] "Ciudad Antejardin" "Ciudad Bochalema"
## [89] "Ciudad Cordoba" "Ciudad Cordoba Reservado"
## [91] "Ciudad Capri" "Ciudad Country"
## [93] "Ciudad Del Campo" "Ciudad Jardin"
## [95] "Ciudad Jardin Pance" "Ciudad Los Alamos"
## [97] "Melendez" "Ciudad Melendez"
## [99] "Ciudad Modelo" "Ciudad Pacifica"
## [101] "Ciudad Real" "Ciudad Talanga"
## [103] "Ciudad Universitaria" "Ciudadela Comfandi"
## [105] "Ciudadela Del Rio" "Ciudadela Melendez"
## [107] "Ciudadela Paso Ancho" "Ciudadela Pasoancho"
## [109] "Colinas De Menga" "Colinas Del Bosque"
## [111] "Colinas Del Sur" "Colon"
## [113] "Colseguros" "Colseguros Andes"
## [115] "Comfenalco" "Compartir"
## [117] "Conjunto Gibraltar" "Cristobal Colon"
## [119] "Cristales" "Cuarto De Legua"
## [121] "Departamental" "Ed Benjamin Herrera"
## [123] "El Bosque" "El Caney"
## [125] "El Castillo" "El Cedro"
## [127] "El Diamante" "El Dorado"
## [129] "El Gran Limonar" "El Guabal"
## [131] "El Guabito" "El Ingenio"
## [133] "El Ingenio 3" "El Ingenio i"
## [135] "El Ingenio Ii" "El Ingenio Iii"
## [137] "El Jardin" "El Jordan"
## [139] "El Lido" "El Limonar"
## [141] "El Nacional" "El Paraiso"
## [143] "El Penon" "El Prado"
## [145] "El Refugio" "El Rodeo"
## [147] "El Sena" "El Trebol"
## [149] "El Troncal" "El Vallado"
## [151] "Evaristo Garcia" "Farrallones De Pance"
## [153] "Fenalco Kennedy" "Fepicol"
## [155] "Flora" "Flora Industrial"
## [157] "Floralia" "Fonaviemcali"
## [159] "Francisco Eladio Ramirez" "Fuentes De La"
## [161] "Gaitan" "Gran Limonar"
## [163] "Granada" "Guadalupe"
## [165] "Guadalupe Alto" "Guaduales"
## [167] "Guayaquil" "Hacienda Alferez Real"
## [169] "Ingenio" "Ingenio i"
## [171] "Ingenio Ii" "Jamundi"
## [173] "Jamundi Alfaguara" "Jorge Eliecer Gaitan"
## [175] "Jorge Isaacs" "Jose Manuel Marroquin"
## [177] "Juanambu" "Junin"
## [179] "La Alborada" "La Alianza"
## [181] "La Arboleda" "La Base"
## [183] "La Buitrera" "La Campina"
## [185] "La Cascada" "La Ceibas"
## [187] "La Esmeralda" "La Flora"
## [189] "La Floresta" "La Fortaleza"
## [191] "La Gran Colombia" "La Hacienda"
## [193] "La Independencia" "La Libertad"
## [195] "La Luisa" "La Merced"
## [197] "La Morada" "La Nueva Base"
## [199] "La Playa" "La Portada Al"
## [201] "La Primavera" "La Reforma"
## [203] "La Rivera" "La Rivera i"
## [205] "La Rivera Ii" "La Riverita"
## [207] "La Riviera" "La Selva"
## [209] "La Villa Del" "Lares De Comfenalco"
## [211] "Las Acacias" "Las Americas"
## [213] "Las Camelias" "Las Ceibas"
## [215] "Las Delicias" "Las Granjas"
## [217] "Las Quintas De" "Las Vegas"
## [219] "Las Vegas De" "Libertadores"
## [221] "Los Alamos" "Los Alcazares"
## [223] "Los Andes" "Los Cambulos"
## [225] "Los Cristales" "Los Cristales Club"
## [227] "Los Farallones" "Los Guaduales"
## [229] "Los Guayacanes" "Los Jockeys"
## [231] "Los Libertadores" "Los Parques Barranquilla"
## [233] "Los Robles" "Lourdes"
## [235] "Mamellan" "Manzanares"
## [237] "Mariano Ramos" "Marroquin Iii"
## [239] "Mayapan Las Vegas" "Menga"
## [241] "Metropolitano Del Norte" "Miradol Del Aguacatal"
## [243] "Miraflores" "Morichal De Comfandi"
## [245] "Multicentro" "Municipal"
## [247] "Napoles" "Normandia"
## [249] "Normandia West Point" "Norte"
## [251] "Norte La Flora" "Nueva Base"
## [253] "Nueva Floresta" "Nueva Tequendama"
## [255] "Oasis De Comfandi" "Oasis De Pasoancho"
## [257] "Occidente" "Pacara"
## [259] "Palmas Del Ingenio" "Pampa Linda"
## [261] "Pampalinda" "Panamericano"
## [263] "Pance" "Parcelaciones Pance"
## [265] "Parque Residencial El" "Paseo De Los"
## [267] "Paso Del Comercio" "Pasoancho"
## [269] "Poblado Campestre" "Ponce"
## [271] "Popular" "Portada De Comfandi"
## [273] "Portales De Comfandi" "Porvenir"
## [275] "Prados De Oriente" "Prados Del Limonar"
## [277] "Prados Del Norte" "Prados Del Sur"
## [279] "Primavera" "Primero De Mayo"
## [281] "Primitivo Crespo" "Puente Del Comercio"
## [283] "Puente Palma" "Quintas De Don"
## [285] "Quintas De Salomia" "Rafael Uribe Uribe"
## [287] "Refugio" "Republica De Israel"
## [289] "Rincon De Salomia" "Rincon De La"
## [291] "Riveras Del Valle" "Rozo La Torre"
## [293] "Saavedra Galindo" "Salomia"
## [295] "Samanes" "Samanes De Guadalupe"
## [297] "Sameco" "San Antonio"
## [299] "San Bosco" "San Carlos"
## [301] "San Cayetano" "San Fernando"
## [303] "San Fernando Nuevo" "San Fernando Viejo"
## [305] "San Joaquin" "San Juan Bosco"
## [307] "San Judas" "San Judas Tadeo"
## [309] "San Luis" "San Nicolas"
## [311] "San Pedro" "San Vicente"
## [313] "Santa" "Santa Anita"
## [315] "Santa Anita Sur" "Santa Barbara"
## [317] "Santa Elena" "Santa Fe"
## [319] "Santa Helena De" "Santa Isabel"
## [321] "Santa Monica" "Santa Monica Alta"
## [323] "Santa Monica Popular" "Santa Monica Residencial"
## [325] "Santa Monica Norte" "Santa Rita"
## [327] "Santa Rosa" "Santa Teresita"
## [329] "Santafe" "Santander"
## [331] "Santo Domingo" "Sector Aguacatal"
## [333] "Sector Canaveralejo Guadalupe" "Seminario"
## [335] "Sierras De Normandia" "Siete De Agosto"
## [337] "Simon Bolivar" "Tejares Cristales"
## [339] "Tejares De San" "Templete"
## [341] "Tequendama" "Tequendema"
## [343] "Terron Colorado" "Torres De Comfandi"
## [345] "Union De Vivienda" "Unicentro Cali"
## [347] "Urbanizacion Barranquilla" "Urbanizacion Boyaca"
## [349] "Urbanizacion Colseguros" "Urbanizacion La Flora"
## [351] "Urbanizacion La Merced" "Urbanizacion La Nueva"
## [353] "Urbanizacion Las Cascadas" "Urbanizacion Nueva Granada"
## [355] "Urbanizacion Pacara" "Urbanizacion Rio Lili"
## [357] "Urbanizacion San Joaquin" "Urbanizacion Tequendama"
## [359] "Urbanizacion El Saman" "Urbanizacion Gratamira"
## [361] "Urbanizacion Lili" "Valle De Lili"
## [363] "Valle Del Lili" "Valle Grande"
## [365] "Versalles" "Villa Colombia"
## [367] "Villa De Veracruz" "Villa Del Lago"
## [369] "Villa Del Parque" "Villa Del Prado"
## [371] "Villa Del Sol" "Villa Del Sur"
## [373] "Villas De Veracruz" "Vipasa"Anexo 4
##
## 20 De Julio 3 De Julio
## 3 1
## 7de Agosto Acopi
## 1 158
## Agua Blanca Aguablanca
## 1 2
## Aguacatal Alameda
## 109 16
## Alameda Del Rio Alamos
## 3 14
## Alborada Alcazares
## 1 2
## Alferez Real Alfonso Lopez
## 7 22
## Alfonso Lopez i Alto Jordan
## 1 1
## Altos De Guadalupe Altos De Menga
## 4 3
## Altos De Santa Antonio Narino
## 1 2
## Aranjuez Arboleda
## 15 5
## Arboleda Campestre Candelaria Arboledas
## 1 38
## Atanasio Girardot Autopista Sur
## 9 1
## Bajo Aguacatal Barranquilla
## 1 6
## Base Aerea Belalcazar
## 2 4
## Belisario Caicedo Bella Suiza
## 2 18
## Bella Suiza Alta Bellavista
## 4 43
## Benjamin Herrera Berlin
## 8 1
## Bloques Del Limonar Bochalema
## 1 33
## Bolivariano Bosques De Alboleda
## 1 1
## Bosques Del Limonar Boyaca
## 21 1
## Bretana Brisas De Guadalupe
## 16 1
## Brisas De Los Brisas Del Guabito
## 82 1
## Brisas Del Limonar Bueno Madrid
## 1 1
## Buenos Aires Caldas
## 7 1
## Cali Cali Bella
## 37 2
## Calicanto Calicanto Viii
## 9 1
## Calima Calimio Norte
## 6 5
## Calipso Cambulos
## 11 3
## Camino Real Campestre
## 36 1
## Canasgordas Canaveralejo
## 7 12
## Canaverales Canaverales Los Samanes
## 21 1
## Caney Caney Especial
## 88 5
## Capri Cascajal
## 56 1
## Cataya Real Ceibas
## 1 1
## Centelsa Centenario
## 1 16
## Centro Cerro Cristales
## 4 22
## Cerros De Guadalupe Champagnat
## 1 14
## Chapinero Chiminangos
## 7 18
## Chiminangos 1 Etapa Chiminangos 2 Etapa
## 1 2
## Chipichape Ciudad 2000
## 30 96
## Ciudad Antejardin Ciudad Bochalema
## 1 48
## Ciudad Capri Ciudad Cordoba
## 13 52
## Ciudad Cordoba Reservado Ciudad Country
## 1 1
## Ciudad Del Campo Ciudad Jardin
## 1 540
## Ciudad Jardin Pance Ciudad Los Alamos
## 1 26
## Ciudad Melendez Ciudad Modelo
## 1 7
## Ciudad Pacifica Ciudad Real
## 3 3
## Ciudad Talanga Ciudad Universitaria
## 1 1
## Ciudadela Comfandi Ciudadela Del Rio
## 17 1
## Ciudadela Melendez Ciudadela Paso Ancho
## 1 1
## Ciudadela Pasoancho Colinas De Menga
## 21 3
## Colinas Del Bosque Colinas Del Sur
## 1 8
## Colon Colseguros
## 1 44
## Colseguros Andes Comfenalco
## 5 1
## Compartir Conjunto Gibraltar
## 1 1
## Cristales Cristobal Colon
## 83 16
## Cuarto De Legua Departamental
## 44 29
## Ed Benjamin Herrera El Bosque
## 1 50
## El Caney El Castillo
## 209 6
## El Cedro El Diamante
## 8 2
## El Dorado El Gran Limonar
## 6 8
## El Guabal El Guabito
## 19 1
## El Ingenio El Ingenio 3
## 203 1
## El Ingenio i El Ingenio Ii
## 19 21
## El Ingenio Iii El Jardin
## 20 15
## El Jordan El Lido
## 1 59
## El Limonar El Nacional
## 135 1
## El Paraiso El Penon
## 3 60
## El Prado El Recuerdo
## 2 1
## El Refugio El Rodeo
## 120 1
## El Sena El Trebol
## 1 5
## El Troncal El Vallado
## 19 1
## Eucaristico Evaristo Garcia
## 3 2
## Farrallones De Pance Fenalco Kennedy
## 1 1
## Fepicol Flora
## 1 1
## Flora Industrial Floralia
## 16 6
## Fonaviemcali Francisco Eladio Ramirez
## 1 1
## Fuentes De La Gaitan
## 1 1
## Gran Limonar Granada
## 24 15
## Guadalupe Guadalupe Alto
## 21 1
## Guaduales Guayaquil
## 2 16
## Hacienda Alferez Real Ingenio
## 1 1
## Ingenio i Ingenio Ii
## 1 1
## Jamundi Jamundi Alfaguara
## 4 1
## Jorge Eliecer Gaitan Jorge Isaacs
## 1 1
## Jose Manuel Marroquin Juanambu
## 1 55
## Junin La Alborada
## 25 5
## La Alianza La Arboleda
## 5 18
## La Base La Buitrera
## 15 3
## La Campina La Cascada
## 13 7
## La Ceibas La Esmeralda
## 1 1
## La Flora La Floresta
## 402 18
## La Fortaleza La Gran Colombia
## 4 1
## La Hacienda La Independencia
## 166 12
## La Libertad La Luisa
## 2 1
## La Merced La Morada
## 26 1
## La Nueva Base La Playa
## 8 1
## La Portada Al La Primavera
## 1 1
## La Reforma La Rivera
## 1 11
## La Rivera i La Rivera Ii
## 2 2
## La Riverita La Riviera
## 1 1
## La Selva La Villa Del
## 11 1
## Lares De Comfenalco Las Acacias
## 1 12
## Las Americas Las Camelias
## 3 1
## Las Ceibas Las Delicias
## 23 5
## Las Granjas Las Quintas De
## 10 1
## Las Vegas Las Vegas De
## 1 1
## Libertadores Los Alamos
## 3 1
## Los Alcazares Los Andes
## 22 21
## Los Cambulos Los Cristales
## 31 154
## Los Cristales Club Los Farallones
## 1 4
## Los Guaduales Los Guayacanes
## 26 3
## Los Jockeys Los Libertadores
## 1 4
## Los Parques Barranquilla Los Robles
## 6 1
## Lourdes Mamellan
## 2 1
## Manzanares Mariano Ramos
## 5 1
## Marroquin Iii Mayapan Las Vegas
## 1 46
## Melendez Menga
## 76 23
## Metropolitano Del Norte Miradol Del Aguacatal
## 21 1
## Miraflores Morichal De Comfandi
## 26 3
## Multicentro Municipal
## 27 3
## Napoles Normandia
## 31 159
## Normandia West Point Norte
## 1 9
## Norte La Flora Nueva Base
## 1 1
## Nueva Floresta Nueva Tequendama
## 15 73
## Oasis De Comfandi Oasis De Pasoancho
## 6 1
## Obrero Occidente
## 1 11
## Pacara Palmas Del Ingenio
## 23 1
## Pampa Linda Pampalinda
## 26 12
## Panamericano Pance
## 9 412
## Parcelaciones Pance Parque Residencial El
## 61 1
## Paseo De Los Paso Del Comercio
## 2 6
## Pasoancho Poblado Campestre
## 6 2
## Ponce Popular
## 1 6
## Portada De Comfandi Portales De Comfandi
## 2 1
## Porvenir Prados De Oriente
## 3 6
## Prados Del Limonar Prados Del Norte
## 21 127
## Prados Del Sur Primavera
## 2 2
## Primero De Mayo Primitivo Crespo
## 37 3
## Puente Del Comercio Puente Palma
## 6 1
## Quintas De Don Quintas De Salomia
## 73 4
## Rafael Uribe Uribe Refugio
## 1 2
## Republica De Israel Rincon De La
## 1 1
## Rincon De Salomia Riveras Del Valle
## 1 1
## Rozo La Torre Saavedra Galindo
## 1 4
## Salomia Samanes
## 40 1
## Samanes De Guadalupe Sameco
## 1 1
## San Antonio San Bosco
## 24 8
## San Carlos San Cayetano
## 4 9
## San Fernando San Fernando Nuevo
## 55 10
## San Fernando Viejo San Joaquin
## 18 20
## San Juan Bosco San Judas
## 7 1
## San Judas Tadeo San Luis
## 2 3
## San Nicolas San Pedro
## 2 3
## San Vicente Santa
## 48 1
## Santa Anita Santa Anita Sur
## 50 1
## Santa Barbara Santa Elena
## 3 10
## Santa Fe Santa Helena De
## 8 1
## Santa Isabel Santa Monica
## 64 55
## Santa Monica Alta Santa Monica Norte
## 1 2
## Santa Monica Popular Santa Monica Residencial
## 9 44
## Santa Rita Santa Rosa
## 45 1
## Santa Teresita Santafe
## 291 1
## Santander Santo Domingo
## 1 6
## Sector Aguacatal Sector Canaveralejo Guadalupe
## 1 2
## Seminario Sierras De Normandia
## 32 1
## Siete De Agosto Simon Bolivar
## 8 1
## Tejares Cristales Tejares De San
## 4 14
## Templete Tequendama
## 4 44
## Tequendema Terron Colorado
## 1 1
## Torres De Comfandi Tranquilo y
## 57 1
## Unicentro Cali Union De Vivienda
## 1 3
## Urbanizacion Barranquilla Urbanizacion Boyaca
## 4 1
## Urbanizacion Colseguros Urbanizacion El Saman
## 3 1
## Urbanizacion Gratamira Urbanizacion La Flora
## 1 83
## Urbanizacion La Merced Urbanizacion La Nueva
## 4 4
## Urbanizacion Las Cascadas Urbanizacion Lili
## 1 2
## Urbanizacion Nueva Granada Urbanizacion Pacara
## 3 1
## Urbanizacion Rio Lili Urbanizacion San Joaquin
## 5 4
## Urbanizacion Tequendama Valle De Lili
## 7 1
## Valle Del Lili Valle Grande
## 1083 1
## Versalles Villa Colombia
## 71 6
## Villa De Veracruz Villa Del Lago
## 6 10
## Villa Del Parque Villa Del Prado
## 1 52
## Villa Del Sol Villa Del Sur
## 25 5
## Villas De Veracruz Vipasa
## 9 32Anexo 5
## character(0)## # A tibble: 5 × 2
## zona barrio
## <chr> <chr>
## 1 Zona Centro Centro
## 2 Zona Oeste Norte
## 3 Zona Norte Norte
## 4 Zona Oeste Occidente
## 5 Zona Norte OccidenteAnexo 6
## id zona piso estrato preciom areaconst
## 0 0 0 0 0 0
## parqueaderos banios habitaciones tipo barrio longitud
## 0 0 0 0 0 0
## latitud area_grupos cluster
## 0 0 0Anexo 7
Anexo 8
## [1] "20 De Julio" "3 De Julio"
## [3] "Acopi" "Agua Blanca"
## [5] "Aguablanca" "Aguacatal"
## [7] "Alameda" "Alameda Del Rio"
## [9] "Alamos" "Alborada"
## [11] "Alcazares" "Alferez Real"
## [13] "Alfonso Lopez" "Alfonso Lopez i"
## [15] "Alto Jordan" "Altos De Guadalupe"
## [17] "Altos De Menga" "Altos De Santa"
## [19] "Antonio Narino" "Aranjuez"
## [21] "Arboleda" "Arboleda Campestre Candelaria"
## [23] "Arboledas" "Atanasio Girardot"
## [25] "Autopista Sur" "Bajo Aguacatal"
## [27] "Barranquilla" "7de Agosto"
## [29] "El Recuerdo" "Eucaristico"
## [31] "Obrero" "Tranquilo y"
## [33] "Base Aerea" "Belalcazar"
## [35] "Belisario Caicedo" "Bella Suiza"
## [37] "Bella Suiza Alta" "Bellavista"
## [39] "Benjamin Herrera" "Berlin"
## [41] "Bloques Del Limonar" "Bochalema"
## [43] "Bolivariano" "Bosques De Alboleda"
## [45] "Bosques Del Limonar" "Boyaca"
## [47] "Bretana" "Brisas De Guadalupe"
## [49] "Brisas De Los" "Brisas Del Guabito"
## [51] "Brisas Del Limonar" "Bueno Madrid"
## [53] "Buenos Aires" "Canasgordas"
## [55] "Canaveralejo" "Canaverales"
## [57] "Canaverales Los Samanes" "Caldas"
## [59] "Cali" "Cali Bella"
## [61] "Calicanto" "Calicanto Viii"
## [63] "Calima" "Calimio Norte"
## [65] "Calipso" "Cambulos"
## [67] "Camino Real" "Campestre"
## [69] "Caney" "Caney Especial"
## [71] "Capri" "Cascajal"
## [73] "Cataya Real" "Ceibas"
## [75] "Centelsa" "Centenario"
## [77] "Centro" "Cerro Cristales"
## [79] "Cerros De Guadalupe" "Champagnat"
## [81] "Chapinero" "Chiminangos"
## [83] "Chiminangos 1 Etapa" "Chiminangos 2 Etapa"
## [85] "Chipichape" "Ciudad 2000"
## [87] "Ciudad Antejardin" "Ciudad Bochalema"
## [89] "Ciudad Cordoba" "Ciudad Cordoba Reservado"
## [91] "Ciudad Capri" "Ciudad Country"
## [93] "Ciudad Del Campo" "Ciudad Jardin"
## [95] "Ciudad Jardin Pance" "Ciudad Los Alamos"
## [97] "Melendez" "Ciudad Melendez"
## [99] "Ciudad Modelo" "Ciudad Pacifica"
## [101] "Ciudad Real" "Ciudad Talanga"
## [103] "Ciudad Universitaria" "Ciudadela Comfandi"
## [105] "Ciudadela Del Rio" "Ciudadela Melendez"
## [107] "Ciudadela Paso Ancho" "Ciudadela Pasoancho"
## [109] "Colinas De Menga" "Colinas Del Bosque"
## [111] "Colinas Del Sur" "Colon"
## [113] "Colseguros" "Colseguros Andes"
## [115] "Comfenalco" "Compartir"
## [117] "Conjunto Gibraltar" "Cristobal Colon"
## [119] "Cristales" "Cuarto De Legua"
## [121] "Departamental" "Ed Benjamin Herrera"
## [123] "El Bosque" "El Caney"
## [125] "El Castillo" "El Cedro"
## [127] "El Diamante" "El Dorado"
## [129] "El Gran Limonar" "El Guabal"
## [131] "El Guabito" "El Ingenio"
## [133] "El Ingenio 3" "El Ingenio i"
## [135] "El Ingenio Ii" "El Ingenio Iii"
## [137] "El Jardin" "El Jordan"
## [139] "El Lido" "El Limonar"
## [141] "El Nacional" "El Paraiso"
## [143] "El Penon" "El Prado"
## [145] "El Refugio" "El Rodeo"
## [147] "El Sena" "El Trebol"
## [149] "El Troncal" "El Vallado"
## [151] "Evaristo Garcia" "Farrallones De Pance"
## [153] "Fenalco Kennedy" "Fepicol"
## [155] "Flora" "Flora Industrial"
## [157] "Floralia" "Fonaviemcali"
## [159] "Francisco Eladio Ramirez" "Fuentes De La"
## [161] "Gaitan" "Gran Limonar"
## [163] "Granada" "Guadalupe"
## [165] "Guadalupe Alto" "Guaduales"
## [167] "Guayaquil" "Hacienda Alferez Real"
## [169] "Ingenio" "Ingenio i"
## [171] "Ingenio Ii" "Jamundi"
## [173] "Jamundi Alfaguara" "Jorge Eliecer Gaitan"
## [175] "Jorge Isaacs" "Jose Manuel Marroquin"
## [177] "Juanambu" "Junin"
## [179] "La Alborada" "La Alianza"
## [181] "La Arboleda" "La Base"
## [183] "La Buitrera" "La Campina"
## [185] "La Cascada" "La Ceibas"
## [187] "La Esmeralda" "La Flora"
## [189] "La Floresta" "La Fortaleza"
## [191] "La Gran Colombia" "La Hacienda"
## [193] "La Independencia" "La Libertad"
## [195] "La Luisa" "La Merced"
## [197] "La Morada" "La Nueva Base"
## [199] "La Playa" "La Portada Al"
## [201] "La Primavera" "La Reforma"
## [203] "La Rivera" "La Rivera i"
## [205] "La Rivera Ii" "La Riverita"
## [207] "La Riviera" "La Selva"
## [209] "La Villa Del" "Lares De Comfenalco"
## [211] "Las Acacias" "Las Americas"
## [213] "Las Camelias" "Las Ceibas"
## [215] "Las Delicias" "Las Granjas"
## [217] "Las Quintas De" "Las Vegas"
## [219] "Las Vegas De" "Libertadores"
## [221] "Los Alamos" "Los Alcazares"
## [223] "Los Andes" "Los Cambulos"
## [225] "Los Cristales" "Los Cristales Club"
## [227] "Los Farallones" "Los Guaduales"
## [229] "Los Guayacanes" "Los Jockeys"
## [231] "Los Libertadores" "Los Parques Barranquilla"
## [233] "Los Robles" "Lourdes"
## [235] "Mamellan" "Manzanares"
## [237] "Mariano Ramos" "Marroquin Iii"
## [239] "Mayapan Las Vegas" "Menga"
## [241] "Metropolitano Del Norte" "Miradol Del Aguacatal"
## [243] "Miraflores" "Morichal De Comfandi"
## [245] "Multicentro" "Municipal"
## [247] "Napoles" "Normandia"
## [249] "Normandia West Point" "Norte"
## [251] "Norte La Flora" "Nueva Base"
## [253] "Nueva Floresta" "Nueva Tequendama"
## [255] "Oasis De Comfandi" "Oasis De Pasoancho"
## [257] "Occidente" "Pacara"
## [259] "Palmas Del Ingenio" "Pampa Linda"
## [261] "Pampalinda" "Panamericano"
## [263] "Pance" "Parcelaciones Pance"
## [265] "Parque Residencial El" "Paseo De Los"
## [267] "Paso Del Comercio" "Pasoancho"
## [269] "Poblado Campestre" "Ponce"
## [271] "Popular" "Portada De Comfandi"
## [273] "Portales De Comfandi" "Porvenir"
## [275] "Prados De Oriente" "Prados Del Limonar"
## [277] "Prados Del Norte" "Prados Del Sur"
## [279] "Primavera" "Primero De Mayo"
## [281] "Primitivo Crespo" "Puente Del Comercio"
## [283] "Puente Palma" "Quintas De Don"
## [285] "Quintas De Salomia" "Rafael Uribe Uribe"
## [287] "Refugio" "Republica De Israel"
## [289] "Rincon De Salomia" "Rincon De La"
## [291] "Riveras Del Valle" "Rozo La Torre"
## [293] "Saavedra Galindo" "Salomia"
## [295] "Samanes" "Samanes De Guadalupe"
## [297] "Sameco" "San Antonio"
## [299] "San Bosco" "San Carlos"
## [301] "San Cayetano" "San Fernando"
## [303] "San Fernando Nuevo" "San Fernando Viejo"
## [305] "San Joaquin" "San Juan Bosco"
## [307] "San Judas" "San Judas Tadeo"
## [309] "San Luis" "San Nicolas"
## [311] "San Pedro" "San Vicente"
## [313] "Santa" "Santa Anita"
## [315] "Santa Anita Sur" "Santa Barbara"
## [317] "Santa Elena" "Santa Fe"
## [319] "Santa Helena De" "Santa Isabel"
## [321] "Santa Monica" "Santa Monica Alta"
## [323] "Santa Monica Popular" "Santa Monica Residencial"
## [325] "Santa Monica Norte" "Santa Rita"
## [327] "Santa Rosa" "Santa Teresita"
## [329] "Santafe" "Santander"
## [331] "Santo Domingo" "Sector Aguacatal"
## [333] "Sector Canaveralejo Guadalupe" "Seminario"
## [335] "Sierras De Normandia" "Siete De Agosto"
## [337] "Simon Bolivar" "Tejares Cristales"
## [339] "Tejares De San" "Templete"
## [341] "Tequendama" "Tequendema"
## [343] "Terron Colorado" "Torres De Comfandi"
## [345] "Union De Vivienda" "Unicentro Cali"
## [347] "Urbanizacion Barranquilla" "Urbanizacion Boyaca"
## [349] "Urbanizacion Colseguros" "Urbanizacion La Flora"
## [351] "Urbanizacion La Merced" "Urbanizacion La Nueva"
## [353] "Urbanizacion Las Cascadas" "Urbanizacion Nueva Granada"
## [355] "Urbanizacion Pacara" "Urbanizacion Rio Lili"
## [357] "Urbanizacion San Joaquin" "Urbanizacion Tequendama"
## [359] "Urbanizacion El Saman" "Urbanizacion Gratamira"
## [361] "Urbanizacion Lili" "Valle De Lili"
## [363] "Valle Del Lili" "Valle Grande"
## [365] "Versalles" "Villa Colombia"
## [367] "Villa De Veracruz" "Villa Del Lago"
## [369] "Villa Del Parque" "Villa Del Prado"
## [371] "Villa Del Sol" "Villa Del Sur"
## [373] "Villas De Veracruz" "Vipasa"Anexo 9
##
## Outliers de preciom
##
## atípico
## 1 1400
## 2 1400
## 3 1150
## 4 1200
## 5 1100
## 6 1130
## 7 1850
## 8 1950
## 9 1050
## 10 1200
## 11 1400
## 12 1100
## 13 1190
## 14 1106
## 15 1300
## 16 1350
## 17 1350
## 18 1050
## 19 1250
## 20 1150
## 21 1050
## 22 1050
## 23 1300
## 24 1200
## 25 1220
## 26 1100
## 27 1090
## 28 1126
## 29 1100
## 30 1300
## 31 1700
## 32 1500
## 33 1700
## 34 1300
## 35 1200
## 36 1300
## 37 1200
## 38 1200
## 39 1350
## 40 1200
## 41 1200
## 42 1380
## 43 1850
## 44 1300
## 45 1200
## 46 1600
## 47 1200
## 48 1195
## 49 1200
## 50 1700
## 51 1400
## 52 1800
## 53 1200
## 54 1500
## 55 1300
## 56 1100
## 57 1125
## 58 1400
## 59 1400
## 60 1120
## 61 1200
## 62 1450
## 63 1450
## 64 1250
## 65 1380
## 66 1350
## 67 1450
## 68 1370
## 69 1250
## 70 1195
## 71 1200
## 72 1480
## 73 1100
## 74 1700
## 75 1700
## 76 1400
## 77 1750
## 78 1600
## 79 1150
## 80 1150
## 81 1550
## 82 1100
## 83 1561
## 84 1400
## 85 1700
## 86 1600
## 87 1550
## 88 1100
## 89 1050
## 90 1650
## 91 1100
## 92 1200
## 93 1680
## 94 1500
## 95 1250
## 96 1550
## 97 1100
## 98 1600
## 99 1150
## 100 1300
## 101 1800
## 102 1500
## 103 1500
## 104 1600
## 105 1100
## 106 1600
## 107 1200
## 108 1400
## 109 1240
## 110 1700
## 111 1350
## 112 1150
## 113 1150
## 114 1150
## 115 1600
## 116 1500
## 117 1280
## 118 1200
## 119 1100
## 120 1800
## 121 1800
## 122 1200
## 123 1500
## 124 1200
## 125 1200
## 126 1150
## 127 1200
## 128 1500
## 129 1200
## 130 1100
## 131 1800
## 132 1700
## 133 1800
## 134 1400
## 135 1700
## 136 1800
## 137 1650
## 138 1500
## 139 1200
## 140 1400
## 141 1900
## 142 1800
## 143 1200
## 144 1100
## 145 1400
## 146 1350
## 147 1700
## 148 1500
## 149 1100
## 150 1280
## 151 1250
## 152 1250
## 153 1250
## 154 1050
## 155 1200
## 156 1200
## 157 1250
## 158 1200
## 159 1255
## 160 1590
## 161 1100
## 162 1390
## 163 1350
## 164 1590
## 165 1350
## 166 1650
## 167 1090
## 168 1385
## 169 1150
## 170 1150
## 171 1200
## 172 1250
## 173 1400
## 174 1450
## 175 1250
## 176 1200
## 177 1300
## 178 1400
## 179 1250
## 180 1400
## 181 1100
## 182 1500
## 183 1150
## 184 1800
## 185 1100
## 186 1200
## 187 1050
## 188 1080
## 189 1100
## 190 1200
## 191 1250
## 192 1200
## 193 1100
## 194 1700
## 195 1650
## 196 1250
## 197 1800
## 198 1200
## 199 1400
## 200 1800
## 201 1500
## 202 1390
## 203 1385
## 204 1600
## 205 1440
## 206 1300
## 207 1133
## 208 1600
## 209 1077
## 210 1090
## 211 1100
## 212 1180
## 213 1250
## 214 1800
## 215 1500
## 216 1250
## 217 1200
## 218 1200
## 219 1200
## 220 1200
## 221 1250
## 222 1300
## 223 1400
## 224 1400
## 225 1400
## 226 1280
## 227 1750
## 228 1350
## 229 1100
## 230 1100
## 231 1200
## 232 1400
## 233 1400
## 234 1400
## 235 1400
## 236 1150
## 237 1100
## 238 1500
## 239 1050
## 240 1200
## 241 1320
## 242 1180
## 243 1400
## 244 1100
## 245 1400
## 246 1300
## 247 1200
## 248 1200
## 249 1200
## 250 1850
## 251 1100
## 252 1500
## 253 1370
## 254 1400
## 255 1250
## 256 1050
## 257 1350
## 258 1180
## 259 1850
## 260 1300
## 261 1400
## 262 1850
## 263 1200
## 264 1200
## 265 1850
## 266 1100
## 267 1300
## 268 1500
## 269 1400
## 270 1300
## 271 1300
## 272 1250
## 273 1650
## 274 1900
## 275 1600
## 276 1700
## 277 1700
## 278 1700
## 279 1200
## 280 1150
## 281 1250
## 282 1600
## 283 1600
## 284 1600
## 285 1800
## 286 1200
## 287 1398
## 288 1700
## 289 1250
## 290 1500
## 291 1400
## 292 1480
## 293 1650
## 294 1800
## 295 1300
## 296 1400
## 297 1300
## 298 1600
## 299 1500
## 300 1100
## 301 1550
## 302 1100
## 303 1200
## 304 1450
## 305 1450
## 306 1200
## 307 1300
## 308 1450
## 309 1300
## 310 1300
## 311 1200
## 312 1700
## 313 1100
## 314 1170
## 315 1200
## 316 1250
## 317 1200
## 318 1280
## 319 1200
## 320 1700
## 321 1800
## 322 1250
## 323 1300
## 324 1280
## 325 1160
## 326 1200
## 327 1100
## 328 1700
## 329 1850
## 330 1280
## 331 1350
## 332 1400
## 333 1150
## 334 1600
## 335 1700
## 336 1250
## 337 1300
## 338 1600
## 339 1750
## 340 1050
## 341 1050
## 342 1200
## 343 1100
## 344 1350
## 345 1250
## 346 1270
## 347 1900
## 348 1850
## 349 1400
## 350 1400
## 351 1300
## 352 1150
## 353 1250
## 354 1900
## 355 1580
## 356 1500
## 357 1200
## 358 1200
## 359 1280
## 360 1350
## 361 1350
## 362 1200
## 363 1900
## 364 1900
## 365 1400
## 366 1100
## 367 1150
## 368 1500
## 369 1300
## 370 1300
## 371 1300
## 372 1280
## 373 1590
## 374 1300
## 375 1800
## 376 1300
## 377 1300
## 378 1800
## 379 1400
## 380 1200
## 381 1300
## 382 1300
## 383 1700
## 384 1280
## 385 1700
## 386 1900
## 387 1350
## 388 1200
## 389 1350
## 390 1600
## 391 1200
## 392 1150
## 393 1680
## 394 1100
## 395 1360
## 396 1100
## 397 1300
## 398 1200
## 399 1500
## 400 1800
## 401 1100
## 402 1330
## 403 1200
## 404 1200
## 405 1900
## 406 1500
## 407 1300
## 408 1600
## 409 1700
## 410 1900
## 411 1500
## 412 1500
## 413 1100
## 414 1600
## 415 1999
## 416 1600
## 417 1350
## 418 1530
## 419 1650
## 420 1940
## 421 1950
## 422 1300
## 423 1051
## 424 1078
## 425 1200
## 426 1103
## 427 1580
## 428 1500
## 429 1100
## 430 1270
## 431 1100
## 432 1160
## 433 1350
## 434 1500
## 435 1900
## 436 1600
## 437 1800
## 438 1550
## 439 1300
## 440 1150
## 441 1830
## 442 1200
## 443 1200
## 444 1850
## 445 1584
## 446 1100
## 447 1500
## 448 1550
## 449 1100
## 450 1950
## 451 1400
## 452 1500
## 453 1300
## 454 1250
## 455 1250
## 456 1200
## 457 1150
## 458 1200
## 459 1350
## 460 1350
## 461 1150
## 462 1226
## 463 1150
## 464 1300
## 465 1150
## 466 1250
## 467 1250
## 468 1150
## 469 1450
## 470 1200
## 471 1220
## 472 1850
## 473 1900
## 474 1850
## 475 1800
## 476 1350
## 477 1200
## 478 1220
## 479 1250
## 480 1350
## 481 1800
## 482 1050
## 483 1100
## 484 1300
## 485 1800
## 486 1270
## 487 1149
## 488 1200
## 489 1200
## 490 1550
## 491 1250
## 492 1750
## 493 1600
## 494 1400
## 495 1300
## 496 1200
## 497 1150
## 498 1400
## 499 1090
## 500 1500
## 501 1400
## 502 1400
## 503 1583
## 504 1250
## 505 1150
## 506 1080
## 507 1200
## 508 1180
## 509 1250
## 510 1400
## 511 1350
## 512 1050
## 513 1400
## 514 1500
## 515 1290
## 516 1330
## 517 1330
## 518 1350
## 519 1801
## 520 1200
## 521 1800
## 522 1230
## 523 1110
## 524 1330
## 525 1200
## 526 1395
## 527 1100
## 528 1250
## 529 1200
## 530 1400
## 531 1600
## 532 1590
## 533 1400
## 534 1450
## 535 1200
## 536 1400
## 537 1400
## 538 1500
## 539 1500
## 540 1250
## 541 1650
## 542 1600
## 543 1200
## 544 1200
## 545 1400
## 546 1050
## 547 1100
## 548 1100
## 549 1550
## 550 1400
## 551 1650
## 552 1800
##
## Outliers de areaconst
##
## atípico
## 1 455.00
## 2 480.00
## 3 480.00
## 4 550.00
## 5 540.00
## 6 460.00
## 7 595.00
## 8 480.00
## 9 960.00
## 10 500.00
## 11 752.00
## 12 463.00
## 13 460.00
## 14 750.00
## 15 487.00
## 16 1365.00
## 17 520.00
## 18 900.00
## 19 700.00
## 20 660.00
## 21 600.00
## 22 1000.00
## 23 730.00
## 24 467.00
## 25 520.00
## 26 520.00
## 27 870.00
## 28 650.00
## 29 500.00
## 30 540.00
## 31 760.00
## 32 530.00
## 33 530.00
## 34 485.00
## 35 490.00
## 36 930.00
## 37 560.00
## 38 724.00
## 39 1000.00
## 40 520.00
## 41 960.00
## 42 500.00
## 43 530.00
## 44 800.00
## 45 520.00
## 46 505.00
## 47 619.00
## 48 1050.00
## 49 490.00
## 50 520.00
## 51 500.00
## 52 588.00
## 53 1040.00
## 54 500.00
## 55 910.00
## 56 540.00
## 57 600.00
## 58 460.00
## 59 480.00
## 60 500.00
## 61 480.00
## 62 630.00
## 63 836.00
## 64 500.00
## 65 464.00
## 66 510.00
## 67 500.00
## 68 610.00
## 69 640.00
## 70 520.00
## 71 534.00
## 72 900.00
## 73 1000.00
## 74 520.00
## 75 1586.00
## 76 535.00
## 77 850.00
## 78 480.00
## 79 620.00
## 80 600.00
## 81 590.00
## 82 500.00
## 83 540.00
## 84 550.00
## 85 800.00
## 86 600.00
## 87 600.00
## 88 600.00
## 89 600.00
## 90 480.00
## 91 800.00
## 92 660.00
## 93 600.00
## 94 600.00
## 95 600.00
## 96 550.00
## 97 600.00
## 98 530.00
## 99 530.00
## 100 542.00
## 101 470.00
## 102 517.00
## 103 780.00
## 104 700.00
## 105 1188.00
## 106 500.00
## 107 500.00
## 108 1000.00
## 109 500.00
## 110 500.00
## 111 500.00
## 112 550.00
## 113 500.00
## 114 460.00
## 115 616.00
## 116 600.00
## 117 750.00
## 118 486.00
## 119 600.00
## 120 1200.00
## 121 750.00
## 122 500.00
## 123 550.00
## 124 453.00
## 125 610.00
## 126 454.00
## 127 600.00
## 128 750.00
## 129 500.00
## 130 551.00
## 131 500.00
## 132 550.00
## 133 700.00
## 134 584.00
## 135 476.00
## 136 552.00
## 137 600.00
## 138 520.00
## 139 600.00
## 140 480.00
## 141 550.00
## 142 550.00
## 143 470.00
## 144 470.00
## 145 605.00
## 146 550.00
## 147 600.00
## 148 500.00
## 149 460.00
## 150 700.00
## 151 1745.00
## 152 455.00
## 153 607.00
## 154 500.00
## 155 520.00
## 156 495.00
## 157 573.00
## 158 728.00
## 159 850.00
## 160 460.00
## 161 650.00
## 162 736.00
## 163 468.00
## 164 736.00
## 165 463.00
## 166 920.00
## 167 480.00
## 168 503.00
## 169 503.00
## 170 503.00
## 171 500.00
## 172 500.00
## 173 600.00
## 174 600.00
## 175 536.00
## 176 500.00
## 177 560.00
## 178 470.00
## 179 457.00
## 180 460.00
## 181 490.00
## 182 640.00
## 183 455.00
## 184 520.00
## 185 520.00
## 186 838.00
## 187 550.00
## 188 500.00
## 189 597.00
## 190 474.63
## 191 500.00
## 192 500.00
## 193 460.00
## 194 600.00
## 195 530.00
## 196 460.00
## 197 500.00
## 198 590.00
## 199 495.00
## 200 500.00
## 201 800.00
## 202 487.00
## 203 700.00
## 204 489.00
## 205 800.00
## 206 483.00
## 207 670.00
## 208 600.00
## 209 510.00
## 210 510.00
## 211 530.00
## 212 806.00
## 213 537.00
## 214 540.00
## 215 600.00
## 216 1500.00
## 217 455.00
## 218 463.00
## 219 500.00
## 220 550.00
## 221 619.00
## 222 565.00
## 223 1500.00
## 224 619.00
## 225 461.00
## 226 619.00
## 227 600.00
## 228 720.00
## 229 596.00
## 230 570.00
## 231 1000.00
## 232 462.00
## 233 480.00
## 234 520.00
## 235 844.00
## 236 835.00
## 237 1000.00
## 238 575.00
## 239 500.00
## 240 500.00
## 241 469.00
## 242 1090.00
## 243 550.00
## 244 833.00
## 245 565.00
## 246 600.00
## 247 619.00
## 248 700.00
## 249 650.00
## 250 619.00
## 251 619.00
## 252 800.00
## 253 850.00
## 254 1100.00
## 255 465.00
## 256 700.00
## 257 619.00
## 258 1250.00
## 259 550.00
## 260 700.00
## 261 500.00
## 262 550.00
## 263 461.00
## 264 470.00
## 265 550.00
## 266 1000.00
## 267 619.00
## 268 650.00
## 269 503.00
## 270 980.00
## 271 480.00
## 272 740.00
## 273 980.00
## 274 480.00
## 275 900.00
## 276 1092.00
## 277 773.00
## 278 1600.00
## 279 500.00
## 280 500.00
## 281 765.00
## 282 700.00
## 283 510.00
## 284 472.00
## 285 500.00
## 286 800.00
## 287 500.00
## 288 583.00
## 289 560.00
## 290 759.00
## 291 480.00
## 292 510.00
## 293 502.00
## 294 900.00
## 295 500.00
## 296 700.00
## 297 530.00
## 298 500.00
## 299 776.00
## 300 850.00
## 301 734.00
## 302 734.00
## 303 500.00
## 304 490.00
## 305 624.00
## 306 792.00
## 307 552.00
## 308 520.00
## 309 454.00
## 310 1200.00
## 311 453.00
## 312 600.00
## 313 950.00
## 314 496.00
## 315 650.00
## 316 455.00
## 317 453.00
## 318 470.00
## 319 800.00
## 320 525.00
## 321 453.00
## 322 463.00
## 323 615.00
## 324 500.00
## 325 628.00
## 326 638.00
## 327 550.00
## 328 550.00
## 329 480.00
## 330 500.00
## 331 480.00
## 332 457.00
## 333 459.00
## 334 459.00
## 335 475.00
## 336 475.00
## 337 474.00
## 338 720.00
## 339 480.00
## 340 825.00
## 341 637.00
## 342 530.00
## 343 740.00
## 344 739.00
## 345 627.00
## 346 487.00
## 347 470.00
## 348 500.00
## 349 487.00
## 350 630.00
## 351 487.00
## 352 467.00
## 353 741.00
## 354 500.00
## 355 490.00
## 356 500.00
## 357 455.00
## 358 455.00
## 359 900.00
## 360 500.00
## 361 484.00
## 362 600.00
## 363 475.00
## 364 640.00
## 365 640.00
## 366 480.00
## 367 480.00
## 368 932.00
## 369 465.00
## 370 496.00
## 371 942.00
## 372 496.00
## 373 523.30
## 374 660.00
## 375 730.00
## 376 520.00
## 377 588.00
## 378 500.00
## 379 1440.00
## 380 537.00
## 381 507.00
## 382 460.00
##
## Outliers de parqueaderos
##
## atípico
## 1 4
## 2 4
## 3 4
## 4 4
## 5 4
## 6 4
## 7 4
## 8 4
## 9 4
## 10 4
## 11 4
## 12 4
## 13 4
## 14 4
## 15 4
## 16 4
## 17 7
## 18 4
## 19 4
## 20 4
## 21 4
## 22 4
## 23 4
## 24 5
## 25 4
## 26 8
## 27 4
## 28 4
## 29 4
## 30 4
## 31 6
## 32 4
## 33 6
## 34 4
## 35 4
## 36 4
## 37 4
## 38 4
## 39 4
## 40 4
## 41 4
## 42 4
## 43 4
## 44 4
## 45 4
## 46 4
## 47 4
## 48 4
## 49 4
## 50 4
## 51 4
## 52 4
## 53 4
## 54 6
## 55 9
## 56 5
## 57 5
## 58 4
## 59 5
## 60 4
## 61 5
## 62 4
## 63 7
## 64 4
## 65 4
## 66 7
## 67 4
## 68 4
## 69 4
## 70 4
## 71 4
## 72 7
## 73 4
## 74 4
## 75 4
## 76 4
## 77 5
## 78 4
## 79 4
## 80 4
## 81 4
## 82 4
## 83 8
## 84 4
## 85 7
## 86 5
## 87 6
## 88 6
## 89 6
## 90 4
## 91 4
## 92 4
## 93 6
## 94 4
## 95 4
## 96 6
## 97 4
## 98 4
## 99 4
## 100 4
## 101 5
## 102 4
## 103 4
## 104 4
## 105 4
## 106 4
## 107 4
## 108 4
## 109 4
## 110 4
## 111 9
## 112 4
## 113 5
## 114 4
## 115 4
## 116 4
## 117 4
## 118 6
## 119 4
## 120 4
## 121 4
## 122 4
## 123 4
## 124 4
## 125 6
## 126 5
## 127 6
## 128 4
## 129 4
## 130 7
## 131 6
## 132 5
## 133 4
## 134 4
## 135 4
## 136 4
## 137 4
## 138 5
## 139 4
## 140 6
## 141 4
## 142 4
## 143 4
## 144 4
## 145 4
## 146 4
## 147 4
## 148 4
## 149 8
## 150 4
## 151 6
## 152 4
## 153 4
## 154 4
## 155 4
## 156 4
## 157 4
## 158 6
## 159 4
## 160 4
## 161 4
## 162 4
## 163 4
## 164 4
## 165 5
## 166 7
## 167 4
## 168 4
## 169 4
## 170 4
## 171 4
## 172 4
## 173 4
## 174 4
## 175 8
## 176 4
## 177 6
## 178 10
## 179 4
## 180 4
## 181 4
## 182 4
## 183 10
## 184 5
## 185 4
## 186 6
## 187 4
## 188 4
## 189 4
## 190 4
## 191 8
## 192 4
## 193 4
## 194 4
## 195 4
## 196 5
## 197 6
## 198 4
## 199 8
## 200 4
## 201 8
## 202 4
## 203 4
## 204 4
## 205 4
## 206 5
## 207 5
## 208 4
## 209 4
## 210 5
## 211 4
## 212 5
## 213 5
## 214 5
## 215 4
## 216 6
## 217 4
## 218 4
## 219 4
## 220 4
## 221 6
## 222 5
## 223 4
## 224 4
## 225 4
## 226 4
## 227 4
## 228 10
## 229 4
## 230 4
## 231 5
## 232 4
## 233 7
## 234 4
## 235 4
## 236 6
## 237 4
## 238 7
## 239 4
## 240 4
## 241 4
## 242 4
## 243 6
## 244 4
## 245 4
## 246 4
## 247 8
## 248 6
## 249 4
## 250 4
## 251 4
## 252 4
## 253 4
## 254 5
## 255 7
## 256 7
## 257 4
## 258 5
## 259 6
## 260 6
## 261 10
## 262 4
## 263 6
## 264 4
## 265 4
## 266 5
## 267 4
## 268 4
## 269 6
## 270 4
## 271 4
## 272 7
## 273 4
## 274 4
## 275 4
## 276 4
## 277 4
## 278 4
## 279 4
## 280 4
## 281 4
## 282 5
## 283 5
## 284 4
## 285 4
## 286 5
## 287 4
## 288 8
## 289 4
## 290 5
## 291 4
## 292 4
## 293 4
## 294 4
## 295 6
## 296 4
## 297 4
## 298 4
## 299 4
## 300 4
## 301 7
## 302 4
## 303 4
## 304 4
## 305 5
## 306 5
## 307 6
## 308 4
## 309 4
## 310 4
## 311 6
## 312 4
## 313 4
## 314 4
## 315 4
## 316 4
## 317 4
## 318 10
## 319 4
## 320 6
## 321 5
## 322 4
## 323 4
## 324 5
## 325 4
## 326 4
## 327 4
## 328 6
## 329 4
## 330 4
## 331 4
## 332 4
## 333 4
## 334 4
## 335 4
## 336 4
## 337 4
## 338 4
## 339 5
## 340 5
## 341 4
## 342 5
## 343 4
## 344 4
## 345 4
## 346 4
## 347 4
## 348 4
## 349 4
## 350 4
## 351 4
## 352 4
## 353 5
## 354 6
## 355 4
## 356 6
## 357 6
## 358 4
## 359 8
## 360 6
## 361 4
## 362 4
## 363 4
## 364 6
## 365 6
## 366 4
## 367 5
## 368 4
## 369 5
## 370 5
## 371 4
## 372 4
## 373 4
## 374 6
## 375 4
## 376 4
## 377 4
## 378 5
## 379 4
## 380 5
## 381 8
## 382 4
## 383 4
## 384 4
## 385 4
## 386 10
## 387 6
## 388 4
## 389 4
## 390 4
## 391 4
## 392 4
## 393 4
## 394 4
## 395 4
## 396 5
## 397 4
## 398 4
## 399 6
## 400 4
## 401 5
## 402 4
## 403 4
## 404 6
## 405 4
## 406 4
## 407 4
## 408 6
## 409 4
## 410 4
## 411 6
## 412 4
## 413 6
## 414 4
## 415 4
## 416 4
## 417 4
## 418 4
## 419 4
## 420 5
## 421 8
## 422 4
## 423 4
## 424 5
## 425 6
## 426 10
## 427 4
## 428 6
## 429 4
## 430 6
## 431 4
## 432 4
## 433 4
## 434 4
## 435 4
## 436 4
## 437 4
## 438 4
## 439 6
## 440 5
## 441 7
## 442 8
## 443 4
## 444 4
## 445 4
## 446 4
## 447 4
## 448 4
## 449 4
## 450 8
## 451 4
## 452 6
## 453 5
## 454 4
## 455 4
## 456 4
## 457 4
## 458 4
## 459 4
## 460 6
## 461 4
## 462 5
## 463 4
## 464 4
## 465 4
## 466 4
## 467 4
## 468 4
## 469 6
## 470 8
## 471 4
## 472 4
## 473 4
## 474 6
## 475 4
## 476 4
## 477 5
## 478 4
## 479 4
## 480 5
## 481 4
## 482 5
## 483 5
## 484 6
## 485 4
## 486 4
## 487 6
## 488 4
## 489 6
## 490 5
## 491 4
## 492 4
## 493 4
## 494 6
## 495 4
## 496 4
## 497 4
## 498 4
## 499 4
## 500 4
## 501 4
## 502 4
## 503 4
## 504 4
## 505 4
## 506 4
## 507 4
## 508 5
## 509 4
## 510 6
## 511 4
## 512 8
## 513 4
## 514 4
## 515 4
## 516 4
## 517 4
## 518 4
## 519 9
## 520 5
## 521 5
## 522 4
## 523 4
## 524 5
## 525 6
## 526 4
## 527 5
## 528 4
## 529 4
## 530 5
## 531 5
## 532 4
## 533 4
## 534 4
## 535 5
## 536 4
## 537 5
## 538 4
## 539 4
## 540 6
## 541 4
## 542 6
## 543 4
## 544 4
## 545 4
## 546 7
## 547 4
## 548 5
## 549 4
## 550 4
## 551 4
## 552 4
## 553 4
## 554 4
## 555 4
## 556 4
## 557 4
## 558 6
## 559 4
## 560 4
## 561 4
## 562 7
## 563 4
## 564 4
## 565 4
## 566 4
## 567 4
## 568 4
## 569 4
## 570 4
## 571 4
## 572 4
## 573 4
## 574 4
## 575 4
## 576 4
## 577 4
## 578 4
## 579 8
## 580 4
## 581 4
## 582 6
## 583 4
## 584 4
## 585 4
## 586 4
## 587 4
## 588 6
## 589 4
## 590 4
## 591 4
## 592 4
## 593 9
## 594 7
## 595 7
## 596 6
## 597 4
## 598 5
## 599 6
## 600 4
## 601 4
## 602 10
## 603 4
## 604 4
## 605 4
## 606 6
## 607 5
## 608 4
## 609 4
## 610 4
## 611 4
## 612 4
## 613 6
## 614 4
## 615 4
## 616 4
## 617 5
## 618 4
## 619 4
## 620 4
## 621 4
## 622 4
##
## Outliers de banios
##
## atípico
## 1 8
## 2 8
## 3 8
## 4 8
## 5 10
## 6 10
## 7 8
## 8 8
## 9 8
## 10 9
## 11 8
## 12 8
## 13 9
## 14 9
## 15 8
## 16 8
## 17 8
## 18 8
## 19 8
## 20 9
## 21 8
## 22 9
## 23 8
## 24 8
## 25 8
## 26 10
## 27 9
## 28 8
## 29 9
## 30 8
## 31 8
## 32 8
## 33 8
## 34 8
## 35 8
## 36 8
## 37 8
## 38 8
## 39 9
## 40 8
## 41 10
## 42 8
## 43 10
## 44 8
## 45 8
## 46 9
## 47 8
## 48 10
## 49 8
## 50 8
## 51 8
## 52 8
## 53 8
## 54 8
## 55 9
## 56 9
## 57 8
## 58 10
## 59 9
## 60 9
## 61 8
## 62 9
## 63 8
## 64 8
## 65 8
## 66 9
## 67 8
## 68 8
## 69 10
## 70 10
## 71 8
## 72 8
##
## Outliers de habitaciones
##
## atípico
## 1 6
## 2 6
## 3 6
## 4 6
## 5 0
## 6 6
## 7 1
## 8 8
## 9 6
## 10 0
## 11 0
## 12 0
## 13 6
## 14 7
## 15 0
## 16 7
## 17 0
## 18 0
## 19 0
## 20 0
## 21 7
## 22 6
## 23 6
## 24 6
## 25 8
## 26 0
## 27 7
## 28 6
## 29 7
## 30 8
## 31 10
## 32 9
## 33 1
## 34 0
## 35 0
## 36 8
## 37 9
## 38 7
## 39 8
## 40 7
## 41 7
## 42 7
## 43 7
## 44 10
## 45 6
## 46 8
## 47 8
## 48 6
## 49 6
## 50 10
## 51 8
## 52 7
## 53 7
## 54 0
## 55 7
## 56 6
## 57 6
## 58 9
## 59 10
## 60 0
## 61 0
## 62 6
## 63 7
## 64 6
## 65 10
## 66 6
## 67 7
## 68 6
## 69 7
## 70 0
## 71 8
## 72 10
## 73 6
## 74 6
## 75 6
## 76 7
## 77 0
## 78 0
## 79 0
## 80 0
## 81 0
## 82 1
## 83 0
## 84 6
## 85 6
## 86 8
## 87 8
## 88 7
## 89 1
## 90 6
## 91 7
## 92 7
## 93 6
## 94 6
## 95 0
## 96 8
## 97 6
## 98 7
## 99 9
## 100 6
## 101 6
## 102 7
## 103 7
## 104 6
## 105 9
## 106 8
## 107 9
## 108 10
## 109 1
## 110 1
## 111 6
## 112 7
## 113 8
## 114 8
## 115 8
## 116 0
## 117 0
## 118 1
## 119 1
## 120 6
## 121 6
## 122 6
## 123 6
## 124 6
## 125 6
## 126 6
## 127 6
## 128 6
## 129 6
## 130 6
## 131 1
## 132 6
## 133 6
## 134 9
## 135 9
## 136 7
## 137 6
## 138 9
## 139 8
## 140 6
## 141 6
## 142 6
## 143 9
## 144 8
## 145 6
## 146 6
## 147 9
## 148 9
## 149 0
## 150 6
## 151 6
## 152 6
## 153 7
## 154 6
## 155 6
## 156 6
## 157 6
## 158 6
## 159 6
## 160 7
## 161 8
## 162 7
## 163 6
## 164 7
## 165 6
## 166 7
## 167 6
## 168 9
## 169 6
## 170 6
## 171 1
## 172 1
## 173 6
## 174 6
## 175 6
## 176 6
## 177 6
## 178 7
## 179 8
## 180 7
## 181 8
## 182 6
## 183 6
## 184 6
## 185 8
## 186 7
## 187 7
## 188 6
## 189 6
## 190 6
## 191 6
## 192 6
## 193 6
## 194 6
## 195 7
## 196 6
## 197 7
## 198 9
## 199 6
## 200 8
## 201 8
## 202 8
## 203 8
## 204 10
## 205 6
## 206 8
## 207 0
## 208 8
## 209 6
## 210 6
## 211 0
## 212 9
## 213 1
## 214 1
## 215 6
## 216 7
## 217 8
## 218 8
## 219 7
## 220 7
## 221 8
## 222 7
## 223 1
## 224 1
## 225 6
## 226 6
## 227 8
## 228 8
## 229 7
## 230 6
## 231 8
## 232 6
## 233 8
## 234 8
## 235 6
## 236 6
## 237 6
## 238 6
## 239 6
## 240 6
## 241 7
## 242 6
## 243 0
## 244 7
## 245 0
## 246 7
## 247 6
## 248 6
## 249 6
## 250 6
## 251 8
## 252 7
## 253 6
## 254 6
## 255 6
## 256 7
## 257 10
## 258 10
## 259 8
## 260 6
## 261 9
## 262 10
## 263 6
## 264 6
## 265 6
## 266 6
## 267 6
## 268 6
## 269 6
## 270 6
## 271 6
## 272 7
## 273 8
## 274 6
## 275 10
## 276 6
## 277 9
## 278 6
## 279 6
## 280 7
## 281 6
## 282 6
## 283 6
## 284 9
## 285 9
## 286 1
## 287 6
## 288 6
## 289 6
## 290 7
## 291 6
## 292 7
## 293 6
## 294 6
## 295 7
## 296 6
## 297 7
## 298 8
## 299 8
## 300 9
## 301 9
## 302 9
## 303 10
## 304 0
## 305 6
## 306 6
## 307 6
## 308 9
## 309 6
## 310 7
## 311 10
## 312 8
## 313 8
## 314 6
## 315 8
## 316 6
## 317 6
## 318 7
## 319 9
## 320 6
## 321 6
## 322 6
## 323 6
## 324 7
## 325 8
## 326 9
## 327 9
## 328 7
## 329 9
## 330 6
## 331 8
## 332 7
## 333 6
## 334 6
## 335 7
## 336 7
## 337 0
## 338 6
## 339 8
## 340 8
## 341 10
## 342 6
## 343 6
## 344 7
## 345 6
## 346 6
## 347 7
## 348 6
## 349 1
## 350 6
## 351 1
## 352 6
## 353 6
## 354 9
## 355 6
## 356 6
## 357 6
## 358 6
## 359 9
## 360 8
## 361 8
## 362 6
## 363 1
## 364 0
## 365 6
## 366 7
## 367 6
## 368 6
## 369 6
## 370 8
## 371 6
## 372 9
## 373 7
## 374 6
## 375 8
## 376 6
## 377 9
## 378 7
## 379 1
## 380 8
## 381 6
## 382 8
## 383 0
## 384 6
## 385 6
## 386 8
## 387 6
## 388 7
## 389 9
## 390 8
## 391 7
## 392 0
## 393 8
## 394 1
## 395 0
## 396 6
## 397 7
## 398 6
## 399 6
## 400 7
## 401 6
## 402 0
## 403 8
## 404 1
## 405 9
## 406 7
## 407 6
## 408 0
## 409 7
## 410 9
## 411 7
## 412 1
## 413 7
## 414 9
## 415 7
## 416 1
## 417 8
## 418 8
## 419 7
## 420 7
## 421 9
## 422 8
## 423 8
## 424 10
## 425 6
## 426 6
## 427 6
## 428 10
## 429 7
## 430 6
## 431 7
## 432 6
## 433 9
## 434 6
## 435 7
## 436 7
## 437 0
## 438 6
## 439 8
## 440 7
## 441 6
## 442 6
## 443 6
## 444 6
## 445 6
## 446 6
## 447 1
## 448 1
## 449 0
## 450 0
## 451 6
## 452 8
## 453 8
## 454 8
## 455 6
## 456 0
## 457 7
## 458 7
## 459 9
## 460 9
## 461 9
## 462 8
## 463 8
## 464 7
## 465 9
## 466 6
## 467 0
## 468 6
## 469 6
## 470 6
## 471 8
## 472 6
## 473 6
## 474 8
## 475 7
## 476 6
## 477 9
## 478 6
## 479 0
## 480 10
## 481 6
## 482 7
## 483 9
## 484 7
## 485 6
## 486 7
## 487 9
## 488 7
## 489 8
## 490 6
## 491 9
## 492 6
## 493 7
## 494 7
## 495 7
## 496 7
## 497 8
## 498 9
## 499 8
## 500 8
## 501 9
## 502 9
## 503 6
## 504 8
## 505 8
## 506 9
## 507 6
## 508 8
## 509 7
## 510 6
## 511 9
## 512 7
## 513 6
## 514 7
## 515 8
## 516 8
## 517 10
## 518 10
## 519 7
## 520 10
## 521 10
## 522 1
## 523 1
## 524 6
## 525 6
## 526 1
## 527 0
## 528 0
## 529 1
## 530 7
## 531 7
## 532 7
## 533 1
## 534 6
## 535 6
## 536 1
## 537 6
## 538 6
## 539 6
## 540 10
## 541 7
## 542 0
## 543 6
## 544 0
## 545 7
## 546 8
## 547 7
## 548 6
## 549 7
## 550 6
## 551 6
## 552 7
## 553 6
## 554 9
## 555 6
## 556 6
## 557 9
## 558 6
## 559 7
## 560 8
## 561 8
## 562 6
## 563 10
## 564 10
## 565 8
## 566 0
## 567 8
## 568 6
## 569 7
## 570 6
## 571 6
## 572 7
## 573 7
## 574 6
## 575 6
## 576 7
## 577 6
## 578 7
## 579 8
## 580 6
## 581 6
## 582 9
## 583 8
## 584 10
## 585 6
## 586 1
## 587 6
## 588 6
## 589 6
## 590 0
## 591 6
## 592 6
## 593 6
## 594 6
## 595 6
## 596 1
## 597 1
## 598 6
## 599 1
## 600 1
## 601 6
## 602 6
## 603 0
## 604 7
## 605 6
## 606 6
## 607 6
## 608 6
## 609 9
## 610 8
## 611 1
## 612 0
## 613 6
## 614 8
## 615 1
## 616 6
## 617 7
## 618 6
## 619 6
## 620 6
## 621 6
## 622 6
## 623 6
## 624 6
## 625 9
## 626 6
## 627 7
## 628 10
## 629 10
## 630 9
## 631 6
## 632 8
## 633 8
## 634 1
## 635 1
## 636 7
## 637 7
## 638 7
## 639 7
## 640 7
## 641 7
## 642 7
## 643 7
## 644 8
## 645 0
## 646 7
## 647 7
## 648 6
## 649 6
## 650 8
## 651 6
## 652 9
## 653 1
## 654 0
## 655 7
## 656 8
## 657 10
## 658 10
## 659 6
## 660 7
## 661 0
## 662 8
## 663 0
## 664 1
## 665 6
## 666 8
## 667 8
## 668 10
## 669 10
## 670 6
## 671 7
## 672 6
## 673 6
## 674 9
## 675 8
## 676 9
## 677 10
## 678 9
## 679 7
## 680 1
## 681 8
## 682 1
## 683 8
## 684 9
## 685 8
## 686 8
## 687 7
## 688 6
## 689 8
## 690 0
## 691 6
## 692 1
## 693 1
## 694 8
## 695 7
## 696 10
## 697 7
## 698 6
## 699 1
## 700 8
## 701 9
## 702 8
## 703 6
## 704 6
## 705 6
## 706 8
## 707 8
## 708 9
## 709 1
## 710 7
## 711 7
## 712 6
## 713 8
## 714 8
## 715 6
## 716 6
## 717 7
## 718 10
## 719 6
## 720 9
## 721 10
## 722 10
## 723 6
## 724 1
## 725 7
## 726 6
## 727 8
## 728 7
## 729 10
## 730 10
## 731 9
## 732 0
## 733 7
## 734 8
## 735 9
## 736 8
## 737 7
## 738 9
## 739 7
## 740 9
## 741 9
## 742 6
## 743 6
## 744 6
## 745 7
## 746 9
## 747 8
## 748 7
## 749 7
## 750 7
## 751 7
## 752 9
## 753 6
## 754 10
## 755 6
## 756 1
## 757 10
## 758 6
## 759 8
## 760 8
## 761 7
## 762 8
## 763 9
## 764 7
## 765 1
## 766 6
## 767 1
## 768 1
## 769 1
## 770 6
## 771 9
## 772 0
## 773 7
## 774 10
## 775 7
## 776 6
## 777 8
## 778 6
## 779 8
## 780 9
## 781 6
## 782 8
## 783 8
## 784 8
## 785 6
## 786 6
## 787 6
## 788 6
## 789 6
## 790 7
## 791 8
## 792 10
## 793 7
## 794 7
## 795 0
## 796 7
## 797 7
## 798 7
## 799 10
## 800 6
## 801 7
## 802 9
## 803 8
## 804 8
## 805 6
## 806 7
## 807 6
## 808 8
## 809 8
## 810 6
## 811 9
## 812 6
## 813 6
## 814 8
## 815 7
## 816 7
## 817 7
## 818 9
## 819 6
## 820 8
## 821 7
## 822 9
## 823 7
## 824 0
## 825 8
## 826 10
## 827 6
## 828 8
## 829 6
## 830 8
## 831 1
## 832 7
## 833 10
## 834 6
## 835 7
## 836 0
## 837 1
## 838 6
## 839 6
## 840 6
## 841 6
## 842 6
## 843 6
## 844 10
## 845 9
## 846 6
## 847 9
## 848 10
## 849 7
## 850 0
## 851 7
## 852 0
## 853 6
## 854 6
## 855 6
## 856 7
## 857 9
## 858 8
## 859 6
## 860 7
## 861 0
## 862 7
## 863 7
## 864 6
## 865 10
## 866 7
## 867 10
## 868 1
## 869 8
## 870 10
## 871 9
## 872 6
## 873 7
## 874 8
## 875 8
## 876 8
## 877 0
## 878 6
## 879 6
## 880 7
## 881 6
## 882 6
## 883 8
## 884 1
## 885 7
## 886 7
## 887 8
## 888 9
##
## Outliers de longitud
##
## atípico
## 1 -76.47908
## 2 -76.47920
## 3 -76.47969
## 4 -76.48141
## 5 -76.48180
## 6 -76.48295
## 7 -76.48356
## 8 -76.48383
## 9 -76.47978
## 10 -76.48256
## 11 -76.47897
## 12 -76.47967
## 13 -76.48058
## 14 -76.48118
## 15 -76.48185
## 16 -76.48227
## 17 -76.48368
## 18 -76.48400
## 19 -76.48260
## 20 -76.57600
## 21 -76.47000
## 22 -76.48400
## 23 -76.48200
## 24 -76.48347
## 25 -76.48381
## 26 -76.48452
## 27 -76.48386
## 28 -76.47922
## 29 -76.48456
## 30 -76.47820
## 31 -76.47141
## 32 -76.47141
## 33 -76.47141
## 34 -76.47414
## 35 -76.47168
## 36 -76.46554
## 37 -76.47167
## 38 -76.46947
## 39 -76.48300
## 40 -76.46691
## 41 -76.48300
## 42 -76.46438
## 43 -76.47225
## 44 -76.47280
## 45 -76.47280
## 46 -76.46851
## 47 -76.47355
## 48 -76.46691
## 49 -76.46400
## 50 -76.46541
## 51 -76.47600
## 52 -76.46570
## 53 -76.46600
## 54 -76.48200
## 55 -76.48400
## 56 -76.47600
## 57 -76.46862
## 58 -76.48271
## 59 -76.48302
## 60 -76.58732
## 61 -76.47766
## 62 -76.48200
## 63 -76.58876
## 64 -76.58915
## 65 -76.48209
## 66 -76.48459
## 67 -76.48100
## 68 -76.47123
## 69 -76.47397
## 70 -76.46400
## 71 -76.46400
## 72 -76.47781
## 73 -76.57941
## 74 -76.57941
## 75 -76.58530
## 76 -76.58744
## 77 -76.46809
## 78 -76.46300
## 79 -76.46438
## 80 -76.47112
## 81 -76.48300
## 82 -76.46438
## 83 -76.46554
## 84 -76.47355
## 85 -76.46947
## 86 -76.46478
## 87 -76.47039
## 88 -76.47355
## 89 -76.46851
## 90 -76.46878
## 91 -76.46809
## 92 -76.48458
## 93 -76.48167
## 94 -76.48235
## 95 -76.47300
## 96 -76.48426
## 97 -76.48400
## 98 -76.46745
## 99 -76.48395
## 100 -76.46700
## 101 -76.46542
## 102 -76.46700
## 103 -76.47209
## 104 -76.46699
## 105 -76.46994
## 106 -76.47678
## 107 -76.46438
## 108 -76.46700
## 109 -76.46500
## 110 -76.47000
## 111 -76.46700
## 112 -76.46700
## 113 -76.46438
## 114 -76.46800
## 115 -76.48252
## 116 -76.46516
## 117 -76.47559
## 118 -76.48456
## 119 -76.46500
## 120 -76.46500
## 121 -76.46500
## 122 -76.47100
## 123 -76.48238
## 124 -76.46498
## 125 -76.48238
## 126 -76.48399
## 127 -76.48180
## 128 -76.48377
## 129 -76.47280
## 130 -76.47543Anexo 10
| 20 De Julio | 7de Agosto | Acopi | Aguablanca | Aguacatal | Alameda | Alameda Del Rio | Alamos | Alcazares | Alferez Real | Alfonso Lopez | Alfonso Lopez i | Altos De Guadalupe | Altos De Menga | Antonio Narino | Aranjuez | Arboleda | Arboledas | Atanasio Girardot | Barranquilla | Base Aerea | Belalcazar | Bella Suiza | Bella Suiza Alta | Bellavista | Benjamin Herrera | Bloques Del Limonar | Bochalema | Bolivariano | Bosques De Alboleda | Bosques Del Limonar | Bretana | Brisas De Los | Bueno Madrid | Buenos Aires | Caldas | Cali | Cali Bella | Calicanto | Calicanto Viii | Calima | Calimio Norte | Calipso | Cambulos | Camino Real | Campestre | Canasgordas | Canaveralejo | Canaverales | Caney | Caney Especial | Capri | Cascajal | Centenario | Centro | Cerro Cristales | Champagnat | Chapinero | Chiminangos | Chipichape | Ciudad 2000 | Ciudad Antejardin | Ciudad Bochalema | Ciudad Capri | Ciudad Cordoba | Ciudad Del Campo | Ciudad Jardin | Ciudad Jardin Pance | Ciudad Los Alamos | Ciudad Melendez | Ciudad Modelo | Ciudad Pacifica | Ciudad Real | Ciudadela Comfandi | Ciudadela Del Rio | Ciudadela Melendez | Ciudadela Paso Ancho | Ciudadela Pasoancho | Colinas De Menga | Colinas Del Sur | Colseguros | Colseguros Andes | Cristales | Cristobal Colon | Cuarto De Legua | Departamental | Ed Benjamin Herrera | El Bosque | El Caney | El Castillo | El Cedro | El Dorado | El Gran Limonar | El Guabal | El Ingenio | El Ingenio 3 | El Ingenio i | El Ingenio Ii | El Ingenio Iii | El Jardin | El Lido | El Limonar | El Paraiso | El Penon | El Prado | El Refugio | El Rodeo | El Trebol | El Troncal | El Vallado | Eucaristico | Evaristo Garcia | Fenalco Kennedy | Fepicol | Flora Industrial | Floralia | Fonaviemcali | Francisco Eladio Ramirez | Gran Limonar | Granada | Guadalupe | Guadalupe Alto | Guaduales | Guayaquil | Hacienda Alferez Real | Jamundi | Jamundi Alfaguara | Jorge Isaacs | Juanambu | Junin | La Alborada | La Alianza | La Arboleda | La Base | La Buitrera | La Campina | La Cascada | La Ceibas | La Esmeralda | La Flora | La Floresta | La Fortaleza | La Gran Colombia | La Hacienda | La Independencia | La Merced | La Nueva Base | La Portada Al | La Reforma | La Rivera | La Rivera i | La Rivera Ii | La Riverita | La Riviera | La Selva | La Villa Del | Las Acacias | Las Americas | Las Ceibas | Las Delicias | Las Granjas | Las Quintas De | Las Vegas | Las Vegas De | Libertadores | Los Alcazares | Los Andes | Los Cambulos | Los Cristales | Los Farallones | Los Guaduales | Los Libertadores | Los Parques Barranquilla | Lourdes | Manzanares | Mayapan Las Vegas | Melendez | Menga | Metropolitano Del Norte | Miradol Del Aguacatal | Miraflores | Morichal De Comfandi | Multicentro | Municipal | Napoles | Normandia | Normandia West Point | Norte | Norte La Flora | Nueva Floresta | Nueva Tequendama | Oasis De Comfandi | Oasis De Pasoancho | Occidente | Pacara | Palmas Del Ingenio | Pampa Linda | Pampalinda | Panamericano | Pance | Parcelaciones Pance | Paseo De Los | Paso Del Comercio | Pasoancho | Poblado Campestre | Popular | Porvenir | Prados De Oriente | Prados Del Limonar | Prados Del Norte | Primavera | Primero De Mayo | Primitivo Crespo | Puente Del Comercio | Quintas De Don | Quintas De Salomia | Refugio | Republica De Israel | Rincon De La | Rozo La Torre | Saavedra Galindo | Salomia | Samanes De Guadalupe | Sameco | San Antonio | San Bosco | San Carlos | San Cayetano | San Fernando | San Fernando Nuevo | San Fernando Viejo | San Joaquin | San Juan Bosco | San Judas Tadeo | San Luis | San Nicolas | San Pedro | San Vicente | Santa | Santa Anita | Santa Elena | Santa Fe | Santa Isabel | Santa Monica | Santa Monica Alta | Santa Monica Popular | Santa Monica Residencial | Santa Rita | Santa Teresita | Santafe | Santo Domingo | Sector Canaveralejo Guadalupe | Seminario | Siete De Agosto | Simon Bolivar | Tejares Cristales | Tejares De San | Templete | Tequendama | Terron Colorado | Torres De Comfandi | Unicentro Cali | Union De Vivienda | Urbanizacion Barranquilla | Urbanizacion Boyaca | Urbanizacion Colseguros | Urbanizacion El Saman | Urbanizacion La Flora | Urbanizacion La Merced | Urbanizacion La Nueva | Urbanizacion Las Cascadas | Urbanizacion Lili | Urbanizacion Nueva Granada | Urbanizacion Rio Lili | Urbanizacion San Joaquin | Urbanizacion Tequendama | Valle Del Lili | Versalles | Villa Colombia | Villa De Veracruz | Villa Del Lago | Villa Del Prado | Villa Del Sol | Villa Del Sur | Villas De Veracruz | Vipasa | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Zona Centro | 0 | 0 | 0 | 0 | 0 | 4 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 5 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 8 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 0 | 0 | 0 | 1 | 0 | 13 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 5 | 1 | 1 | 0 | 0 | 0 | 0 | 3 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| Zona Norte | 0 | 0 | 74 | 0 | 0 | 0 | 1 | 9 | 1 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 4 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 35 | 1 | 0 | 0 | 12 | 2 | 0 | 0 | 4 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 8 | 0 | 0 | 0 | 0 | 6 | 18 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 0 | 11 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 29 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 8 | 4 | 0 | 0 | 0 | 7 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 24 | 0 | 0 | 5 | 0 | 0 | 0 | 6 | 0 | 0 | 1 | 196 | 1 | 0 | 0 | 0 | 0 | 11 | 0 | 0 | 0 | 3 | 1 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 2 | 2 | 0 | 0 | 0 | 0 | 0 | 13 | 9 | 0 | 0 | 0 | 15 | 0 | 3 | 0 | 3 | 0 | 0 | 6 | 9 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 5 | 10 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 3 | 0 | 0 | 4 | 2 | 0 | 0 | 60 | 0 | 0 | 0 | 3 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 20 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 24 | 0 | 0 | 0 | 0 | 0 | 25 | 1 | 0 | 17 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 19 | 0 | 1 | 1 | 0 | 0 | 0 | 43 | 3 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 35 | 1 | 3 | 0 | 21 | 14 | 0 | 4 | 14 |
| Zona Oeste | 0 | 0 | 0 | 0 | 54 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 16 | 0 | 0 | 0 | 0 | 7 | 1 | 25 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 0 | 12 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 30 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 32 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 6 | 0 | 0 | 0 | 10 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 82 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 10 | 0 | 0 | 0 | 0 | 72 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 9 | 0 | 0 | 5 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 22 | 0 | 0 | 1 | 2 | 25 | 127 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 7 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| Zona Oriente | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 11 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 6 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 6 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 0 | 24 | 1 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 9 | 0 | 0 | 1 | 0 | 2 | 0 | 1 | 2 | 8 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 11 | 0 | 0 | 0 | 1 | 0 | 0 | 9 | 1 | 1 | 0 | 6 | 0 | 3 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 7 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 2 | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 5 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 2 | 0 | 1 | 0 | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 4 | 0 | 0 | 0 | 4 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 6 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 0 | 2 | 0 | 0 | 1 | 0 | 0 |
| Zona Sur | 0 | 0 | 1 | 1 | 1 | 2 | 0 | 0 | 0 | 3 | 0 | 0 | 2 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 2 | 1 | 0 | 0 | 1 | 16 | 0 | 0 | 8 | 2 | 0 | 0 | 4 | 1 | 2 | 0 | 2 | 1 | 0 | 0 | 0 | 0 | 16 | 1 | 4 | 7 | 12 | 46 | 2 | 24 | 1 | 0 | 0 | 0 | 8 | 0 | 0 | 0 | 39 | 1 | 17 | 2 | 0 | 0 | 263 | 1 | 0 | 1 | 1 | 1 | 1 | 8 | 0 | 1 | 1 | 7 | 0 | 2 | 22 | 3 | 1 | 8 | 22 | 14 | 0 | 0 | 95 | 1 | 3 | 2 | 2 | 9 | 118 | 1 | 7 | 7 | 9 | 0 | 30 | 67 | 0 | 0 | 0 | 54 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 9 | 0 | 11 | 0 | 0 | 1 | 1 | 2 | 1 | 0 | 0 | 1 | 2 | 0 | 0 | 0 | 2 | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 0 | 80 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 7 | 0 | 6 | 0 | 0 | 0 | 7 | 1 | 1 | 1 | 1 | 0 | 0 | 16 | 0 | 3 | 0 | 0 | 0 | 1 | 0 | 19 | 37 | 0 | 0 | 0 | 1 | 0 | 18 | 0 | 17 | 1 | 0 | 0 | 0 | 2 | 36 | 0 | 1 | 0 | 0 | 1 | 12 | 5 | 6 | 191 | 26 | 0 | 0 | 5 | 1 | 0 | 0 | 0 | 10 | 0 | 0 | 21 | 0 | 0 | 32 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 27 | 4 | 5 | 15 | 0 | 2 | 0 | 0 | 0 | 0 | 0 | 17 | 7 | 0 | 6 | 0 | 0 | 0 | 0 | 0 | 2 | 0 | 2 | 1 | 15 | 0 | 0 | 0 | 3 | 1 | 17 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 3 | 3 | 2 | 4 | 529 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 |
Anexo 11
| Apartamento | Casa | |
|---|---|---|
| Zona Centro | 14 | 45 |
| Zona Norte | 558 | 352 |
| Zona Oeste | 493 | 84 |
| Zona Oriente | 33 | 147 |
| Zona Sur | 1348 | 926 |
Anexo 12
| Apartamento | Casa | |
|---|---|---|
| 20 De Julio | 0 | 1 |
| 7de Agosto | 0 | 1 |
| Acopi | 39 | 36 |
| Aguablanca | 1 | 1 |
| Aguacatal | 49 | 6 |
| Alameda | 2 | 4 |
| Alameda Del Rio | 0 | 1 |
| Alamos | 7 | 2 |
| Alcazares | 1 | 0 |
| Alferez Real | 2 | 1 |
| Alfonso Lopez | 2 | 9 |
| Alfonso Lopez i | 0 | 1 |
| Altos De Guadalupe | 1 | 1 |
| Altos De Menga | 2 | 0 |
| Antonio Narino | 0 | 1 |
| Aranjuez | 0 | 6 |
| Arboleda | 4 | 0 |
| Arboledas | 16 | 0 |
| Atanasio Girardot | 1 | 5 |
| Barranquilla | 2 | 2 |
| Base Aerea | 0 | 2 |
| Belalcazar | 0 | 1 |
| Bella Suiza | 6 | 3 |
| Bella Suiza Alta | 0 | 2 |
| Bellavista | 21 | 4 |
| Benjamin Herrera | 0 | 4 |
| Bloques Del Limonar | 1 | 0 |
| Bochalema | 16 | 0 |
| Bolivariano | 1 | 0 |
| Bosques De Alboleda | 1 | 0 |
| Bosques Del Limonar | 4 | 4 |
| Bretana | 2 | 8 |
| Brisas De Los | 25 | 10 |
| Bueno Madrid | 1 | 0 |
| Buenos Aires | 2 | 2 |
| Caldas | 1 | 0 |
| Cali | 10 | 4 |
| Cali Bella | 1 | 1 |
| Calicanto | 1 | 1 |
| Calicanto Viii | 0 | 1 |
| Calima | 0 | 4 |
| Calimio Norte | 0 | 1 |
| Calipso | 3 | 3 |
| Cambulos | 0 | 1 |
| Camino Real | 6 | 10 |
| Campestre | 1 | 0 |
| Canasgordas | 3 | 1 |
| Canaveralejo | 5 | 2 |
| Canaverales | 12 | 0 |
| Caney | 32 | 14 |
| Caney Especial | 0 | 2 |
| Capri | 21 | 3 |
| Cascajal | 0 | 1 |
| Centenario | 9 | 1 |
| Centro | 1 | 2 |
| Cerro Cristales | 12 | 0 |
| Champagnat | 1 | 7 |
| Chapinero | 0 | 3 |
| Chiminangos | 6 | 0 |
| Chipichape | 15 | 3 |
| Ciudad 2000 | 7 | 32 |
| Ciudad Antejardin | 0 | 1 |
| Ciudad Bochalema | 17 | 0 |
| Ciudad Capri | 2 | 0 |
| Ciudad Cordoba | 2 | 22 |
| Ciudad Del Campo | 0 | 1 |
| Ciudad Jardin | 111 | 154 |
| Ciudad Jardin Pance | 1 | 0 |
| Ciudad Los Alamos | 7 | 4 |
| Ciudad Melendez | 1 | 0 |
| Ciudad Modelo | 1 | 2 |
| Ciudad Pacifica | 1 | 0 |
| Ciudad Real | 0 | 1 |
| Ciudadela Comfandi | 0 | 8 |
| Ciudadela Del Rio | 0 | 1 |
| Ciudadela Melendez | 1 | 0 |
| Ciudadela Paso Ancho | 0 | 1 |
| Ciudadela Pasoancho | 1 | 6 |
| Colinas De Menga | 1 | 0 |
| Colinas Del Sur | 1 | 1 |
| Colseguros | 12 | 10 |
| Colseguros Andes | 1 | 2 |
| Cristales | 26 | 5 |
| Cristobal Colon | 0 | 8 |
| Cuarto De Legua | 14 | 8 |
| Departamental | 8 | 6 |
| Ed Benjamin Herrera | 1 | 0 |
| El Bosque | 9 | 20 |
| El Caney | 57 | 38 |
| El Castillo | 0 | 1 |
| El Cedro | 0 | 4 |
| El Dorado | 2 | 0 |
| El Gran Limonar | 2 | 1 |
| El Guabal | 2 | 7 |
| El Ingenio | 74 | 44 |
| El Ingenio 3 | 1 | 0 |
| El Ingenio i | 5 | 2 |
| El Ingenio Ii | 3 | 4 |
| El Ingenio Iii | 6 | 3 |
| El Jardin | 2 | 7 |
| El Lido | 18 | 12 |
| El Limonar | 29 | 38 |
| El Paraiso | 0 | 1 |
| El Penon | 31 | 1 |
| El Prado | 1 | 1 |
| El Refugio | 33 | 21 |
| El Rodeo | 0 | 1 |
| El Trebol | 0 | 2 |
| El Troncal | 2 | 6 |
| El Vallado | 0 | 1 |
| Eucaristico | 0 | 1 |
| Evaristo Garcia | 0 | 1 |
| Fenalco Kennedy | 0 | 1 |
| Fepicol | 1 | 0 |
| Flora Industrial | 8 | 1 |
| Floralia | 2 | 2 |
| Fonaviemcali | 0 | 1 |
| Francisco Eladio Ramirez | 0 | 1 |
| Gran Limonar | 3 | 6 |
| Granada | 3 | 4 |
| Guadalupe | 6 | 5 |
| Guadalupe Alto | 1 | 0 |
| Guaduales | 2 | 0 |
| Guayaquil | 0 | 4 |
| Hacienda Alferez Real | 0 | 1 |
| Jamundi | 0 | 2 |
| Jamundi Alfaguara | 0 | 1 |
| Jorge Isaacs | 0 | 1 |
| Juanambu | 22 | 8 |
| Junin | 1 | 14 |
| La Alborada | 1 | 1 |
| La Alianza | 5 | 0 |
| La Arboleda | 10 | 0 |
| La Base | 3 | 8 |
| La Buitrera | 0 | 2 |
| La Campina | 4 | 2 |
| La Cascada | 1 | 3 |
| La Ceibas | 0 | 1 |
| La Esmeralda | 0 | 1 |
| La Flora | 137 | 59 |
| La Floresta | 2 | 8 |
| La Fortaleza | 0 | 1 |
| La Gran Colombia | 0 | 1 |
| La Hacienda | 51 | 29 |
| La Independencia | 0 | 6 |
| La Merced | 2 | 11 |
| La Nueva Base | 1 | 2 |
| La Portada Al | 0 | 1 |
| La Reforma | 0 | 1 |
| La Rivera | 0 | 3 |
| La Rivera i | 0 | 2 |
| La Rivera Ii | 0 | 1 |
| La Riverita | 0 | 1 |
| La Riviera | 0 | 1 |
| La Selva | 4 | 3 |
| La Villa Del | 0 | 1 |
| Las Acacias | 1 | 5 |
| Las Americas | 0 | 2 |
| Las Ceibas | 2 | 7 |
| Las Delicias | 1 | 1 |
| Las Granjas | 6 | 1 |
| Las Quintas De | 0 | 1 |
| Las Vegas | 0 | 1 |
| Las Vegas De | 1 | 0 |
| Libertadores | 0 | 2 |
| Los Alcazares | 13 | 0 |
| Los Andes | 4 | 5 |
| Los Cambulos | 10 | 6 |
| Los Cristales | 76 | 6 |
| Los Farallones | 2 | 1 |
| Los Guaduales | 9 | 6 |
| Los Libertadores | 0 | 2 |
| Los Parques Barranquilla | 3 | 0 |
| Lourdes | 0 | 1 |
| Manzanares | 2 | 1 |
| Mayapan Las Vegas | 12 | 7 |
| Melendez | 32 | 7 |
| Menga | 5 | 1 |
| Metropolitano Del Norte | 9 | 0 |
| Miradol Del Aguacatal | 1 | 0 |
| Miraflores | 4 | 7 |
| Morichal De Comfandi | 0 | 2 |
| Multicentro | 18 | 0 |
| Municipal | 0 | 3 |
| Napoles | 7 | 10 |
| Normandia | 72 | 1 |
| Normandia West Point | 1 | 0 |
| Norte | 0 | 1 |
| Norte La Flora | 1 | 0 |
| Nueva Floresta | 1 | 6 |
| Nueva Tequendama | 17 | 19 |
| Oasis De Comfandi | 1 | 0 |
| Oasis De Pasoancho | 1 | 0 |
| Occidente | 4 | 1 |
| Pacara | 10 | 0 |
| Palmas Del Ingenio | 0 | 1 |
| Pampa Linda | 7 | 5 |
| Pampalinda | 1 | 4 |
| Panamericano | 1 | 5 |
| Pance | 103 | 88 |
| Parcelaciones Pance | 6 | 20 |
| Paseo De Los | 0 | 1 |
| Paso Del Comercio | 1 | 2 |
| Pasoancho | 4 | 1 |
| Poblado Campestre | 0 | 1 |
| Popular | 1 | 3 |
| Porvenir | 1 | 1 |
| Prados De Oriente | 1 | 2 |
| Prados Del Limonar | 1 | 9 |
| Prados Del Norte | 45 | 15 |
| Primavera | 0 | 1 |
| Primero De Mayo | 12 | 9 |
| Primitivo Crespo | 0 | 1 |
| Puente Del Comercio | 3 | 0 |
| Quintas De Don | 25 | 7 |
| Quintas De Salomia | 0 | 2 |
| Refugio | 2 | 0 |
| Republica De Israel | 0 | 1 |
| Rincon De La | 1 | 0 |
| Rozo La Torre | 0 | 1 |
| Saavedra Galindo | 1 | 2 |
| Salomia | 7 | 13 |
| Samanes De Guadalupe | 1 | 0 |
| Sameco | 1 | 0 |
| San Antonio | 0 | 11 |
| San Bosco | 3 | 3 |
| San Carlos | 0 | 3 |
| San Cayetano | 0 | 6 |
| San Fernando | 14 | 16 |
| San Fernando Nuevo | 2 | 2 |
| San Fernando Viejo | 0 | 5 |
| San Joaquin | 1 | 14 |
| San Juan Bosco | 0 | 3 |
| San Judas Tadeo | 0 | 2 |
| San Luis | 0 | 1 |
| San Nicolas | 0 | 1 |
| San Pedro | 2 | 0 |
| San Vicente | 9 | 16 |
| Santa | 1 | 0 |
| Santa Anita | 15 | 3 |
| Santa Elena | 1 | 6 |
| Santa Fe | 0 | 4 |
| Santa Isabel | 20 | 8 |
| Santa Monica | 18 | 7 |
| Santa Monica Alta | 1 | 0 |
| Santa Monica Popular | 2 | 3 |
| Santa Monica Residencial | 9 | 10 |
| Santa Rita | 19 | 6 |
| Santa Teresita | 121 | 10 |
| Santafe | 0 | 1 |
| Santo Domingo | 1 | 1 |
| Sector Canaveralejo Guadalupe | 1 | 0 |
| Seminario | 10 | 5 |
| Siete De Agosto | 1 | 5 |
| Simon Bolivar | 0 | 1 |
| Tejares Cristales | 1 | 1 |
| Tejares De San | 1 | 9 |
| Templete | 1 | 0 |
| Tequendama | 4 | 13 |
| Terron Colorado | 0 | 1 |
| Torres De Comfandi | 20 | 0 |
| Unicentro Cali | 1 | 0 |
| Union De Vivienda | 1 | 1 |
| Urbanizacion Barranquilla | 0 | 1 |
| Urbanizacion Boyaca | 0 | 1 |
| Urbanizacion Colseguros | 1 | 0 |
| Urbanizacion El Saman | 0 | 1 |
| Urbanizacion La Flora | 27 | 16 |
| Urbanizacion La Merced | 0 | 3 |
| Urbanizacion La Nueva | 0 | 3 |
| Urbanizacion Las Cascadas | 0 | 1 |
| Urbanizacion Lili | 0 | 1 |
| Urbanizacion Nueva Granada | 1 | 2 |
| Urbanizacion Rio Lili | 2 | 1 |
| Urbanizacion San Joaquin | 0 | 2 |
| Urbanizacion Tequendama | 1 | 3 |
| Valle Del Lili | 428 | 103 |
| Versalles | 30 | 6 |
| Villa Colombia | 0 | 3 |
| Villa De Veracruz | 1 | 2 |
| Villa Del Lago | 2 | 0 |
| Villa Del Prado | 2 | 19 |
| Villa Del Sol | 7 | 7 |
| Villa Del Sur | 1 | 0 |
| Villas De Veracruz | 0 | 4 |
| Vipasa | 0 | 15 |
Anexo 13
Este Anexo incluye todos los chunks de código que se emplearon para realizar el informe:
## ----setup, include=FALSE-------------------------------------------------------------------------
knitr::opts_chunk$set(
echo = TRUE,
fig.align = "center",
message = FALSE,
warning = FALSE
)
## ----inicializacion, message=FALSE, warning=FALSE, include=FALSE----------------------------------
#Instalar librerías
library(paqueteMODELOS)
library(kableExtra)
rm(list = ls())
library(paqueteMODELOS)
data("vivienda", package = "paqueteMODELOS")
str(vivienda)
## ----tabla_variables, warning=FALSE, include=FALSE------------------------------------------------
tabla_variables <- read.csv2(
"C:/Users/Aleja/OneDrive/Documents/Maestria/202601/Modelos/Actividad1/diccionario.csv",
fileEncoding = "UTF-8",
stringsAsFactors = FALSE
)
tabla_variables %>%
kable(format = "html",
align = "c") %>%
kable_styling(full_width = FALSE, bootstrap_options = c("striped", "hover", "condensed", "responsive"))
## ----piso_int, include=FALSE----------------------------------------------------------------------
# Limpiar espacios
vivienda$piso <- trimws(vivienda$piso)
# Convertir a integer
vivienda$piso <- as.integer(vivienda$piso)
## ----duplicados, echo=FALSE, warning=FALSE--------------------------------------------------------
#Identificación de duplicados
duplicados <- duplicated(vivienda)
# Suma de los duplicados
dups = sum(duplicated(vivienda))
cat("Número de duplicados:", dups, "\n")
## ----negativos, message=FALSE, warning=FALSE, include=FALSE---------------------------------------
#Variables numéricas
var_num <- c("id", "piso", "estrato", "preciom", "areaconst", "parqueaderos", "banios", "habitaciones")
#Localizar valores negativos
sapply(var_num, function(x) sum(vivienda[[x]] < 0, na.rm = TRUE))
# Conteo de valores negativos para cada columna
for (col in var_num) {
vivienda[[col]][vivienda[[col]] < 0] <- NA
}
## ----tipografia, message=FALSE, warning=FALSE, include=FALSE--------------------------------------
# Variable Zona
unique(vivienda$zona)
# Variable tipo
unique(vivienda$tipo)
# variable Barrio
unique(vivienda$barrio)
## ----barrio_num, message=FALSE, warning=FALSE, include=FALSE--------------------------------------
table(vivienda$barrio)
## ----tipografia_id, message=FALSE, warning=FALSE, include=FALSE-----------------------------------
b <- tolower(trimws(vivienda$barrio))
# Nombres con caracteres especiales
vivienda$barrio[grep("\\?", vivienda$barrio)]
# Detectar cualquier aparición de la palabra "zona"
idx_zona <- grepl("\\bzona\\b", b)
# Detectar solo coincidencias exactas
idx_macro <- b %in% c("centro", "occidente", "oriente", "norte", "sur")
# Índice combinado
idx_total <- idx_zona | idx_macro
# Ver pares zona-barrio
unique(vivienda[idx_total, c("zona", "barrio")])
## ----faltantes, echo=FALSE, message=FALSE, warning=FALSE------------------------------------------
# Conteo NA total
sum(is.na(vivienda))
## ----Na_var, include=FALSE------------------------------------------------------------------------
# Conteo NA por variable
colSums(is.na(vivienda))
## ----outliers_boxplot, include=FALSE, fig.cap="Figura 1. Boxplot variables numéricas"-------------
num_todas <- c(var_num, "latitud", "longitud")
par(mfrow = c(2, 5), mar = c(4, 4, 2, 1))
for (var in num_todas) {
boxplot(
vivienda[[var]],
main = var,
col = "lightblue",
horizontal = TRUE
)
}
par(mfrow = c(1, 1))
## ----duplicados_del, warning=FALSE, include=FALSE-------------------------------------------------
#Eliminación de duplicados
vivienda <- vivienda[!duplicated(vivienda), ]
## ----tipografia_cor, include=FALSE----------------------------------------------------------------
# Eliminación de tildes
vivienda$barrio <- iconv(vivienda$barrio, from = "UTF-8", to = "ASCII//TRANSLIT")
# Convertir todo a minúsculas
vivienda$barrio <- tolower(vivienda$barrio)
# Quitar la palabra "barrio"
vivienda$barrio <- gsub("(?i)barrio", "", vivienda$barrio, perl = TRUE)
# Eliminar espacios al inicio y al final
vivienda$barrio <- trimws(vivienda$barrio)
# Corregir nombres sin espacios
vivienda$barrio <- gsub("calibella", "cali bella", vivienda$barrio)
vivienda$barrio <- gsub("laflora", "la flora", vivienda$barrio)
vivienda$barrio <- gsub("cali canto", "calicanto", vivienda$barrio)
# Corrección de caracteres especiales
map <- c(
"alf?crez real" = "alferez real",
"base a?crea" = "base aerea",
"el tr?cbol" = "el trebol",
"juanamb??" = "juanambu",
"las am?cricas" = "las americas",
"mel?cndez" = "melendez",
"rep??blica de israel" = "republica de israel",
"ciudad mel?cndez" = "melendez"
)
# Reemplazar
vivienda$barrio <- ifelse(
vivienda$barrio %in% names(map),
unname(map[vivienda$barrio]),
vivienda$barrio
)
#Convertir esos valores en NA para el atributo barrios
vivienda$barrio[grepl("\\bzona\\b", tolower(vivienda$barrio))] <- NA
# Restaurar formato
vivienda$barrio <- tools::toTitleCase(vivienda$barrio)
unique(vivienda$barrio)
## ----barriozona_na, echo=FALSE--------------------------------------------------------------------
# Conteo de registros con zona y barrio como NA
bazo_miss <- sum(is.na(vivienda$barrio) & is.na(vivienda$zona))
cat("Número de registros con zona y barrio NA:", bazo_miss, "\n")
## ----moda_barrio, include=FALSE-------------------------------------------------------------------
moda <- function(x) {
x <- x[!is.na(x)]
if (length(x) == 0) return(NA_character_)
names(sort(table(x), decreasing = TRUE))[1]
}
# Obtención moda barrio por zona
barrio_moda <- tapply(vivienda$barrio, vivienda$zona, moda)
# Reemplazar NAs de barrio
idx_na <- is.na(vivienda$barrio)
vivienda$barrio[idx_na] <- barrio_moda[vivienda$zona[idx_na]]
## ----moda_zona, include=FALSE---------------------------------------------------------------------
# Obtención moda zona por barrio
zona_moda <- tapply(vivienda$zona, vivienda$barrio, moda)
# Reemplazar NAs de barrio
idy_na <- is.na(vivienda$zona)
vivienda$zona[idy_na] <- zona_moda[vivienda$barrio[idy_na]]
## ----moda_tipo, include=FALSE---------------------------------------------------------------------
# Moda por barrio y habitaciones
tipo_moda_bh <- with(vivienda,
tapply(tipo, list(barrio, habitaciones), moda))
# Moda por barrio
tipo_moda_b <- tapply(vivienda$tipo, vivienda$barrio, moda)
# Registros a imputar
idz_na <- is.na(vivienda$tipo)
# Imputación
vivienda$tipo[idz_na] <- mapply(function(b, h) {
# Si barrio es NA → dejar NA
if (is.na(b)) return(NA_character_)
# Intentar con (barrio, habitaciones)
h <- as.character(h)
if (!is.na(h) &&
b %in% rownames(tipo_moda_bh) &&
h %in% colnames(tipo_moda_bh)) {
val <- tipo_moda_bh[b, h]
if (!is.na(val)) return(val)
}
# Si lo anterior no funciona, moda por barrio
if (b %in% names(tipo_moda_b) && !is.na(tipo_moda_b[b])) {
return(tipo_moda_b[b])
}
# Caso 3: dejar NA
NA_character_
}, vivienda$barrio[idz_na], vivienda$habitaciones[idz_na])
## ----cat_miss, include=FALSE----------------------------------------------------------------------
# Subset variables categóricas
var_cat = c("zona", "tipo", "barrio")
# Suma de NAs en variables categóricas
sum(is.na(vivienda[var_cat]))
# Eliminar filas con variables categóricas como NA
vivienda <- vivienda[complete.cases(vivienda[var_cat]), ]
## ----missing, echo=FALSE--------------------------------------------------------------------------
# Conteo NA total
sum(is.na(vivienda))
# Conteo NA por variable
colSums(is.na(vivienda))
## ----pipa_miss, echo=FALSE------------------------------------------------------------------------
# Conteo registros a ser eliminados
sum(is.na(vivienda$piso) | is.na(vivienda$parqueaderos))
## ----mediana_parqueaderos, include=FALSE----------------------------------------------------------
# División en 5 grupos de tamaño similar
vivienda$area_grupos <- cut(
vivienda$areaconst,
breaks = quantile(vivienda$areaconst, probs = seq(0, 1, 0.2), na.rm = TRUE),
include.lowest = TRUE
)
# Cálculo mediana
mediana_parq <- with(vivienda,
tapply(parqueaderos, list(estrato, area_grupos), median, na.rm = TRUE)
)
# Imputación
idx_na <- is.na(vivienda$parqueaderos)
vivienda$parqueaderos[idx_na] <- mapply(function(e, a) {
if (is.na(e) || is.na(a)) return(NA)
val <- mediana_parq[as.character(e), as.character(a)]
if (!is.na(val)) return(round(val))
NA
}, vivienda$estrato[idx_na], vivienda$area_grupos[idx_na])
## ----mediana_piso, include=FALSE------------------------------------------------------------------
# Calcular mediana condicionada por tipo y barrio
mediana_piso <- with(vivienda,
tapply(piso, list(tipo, barrio), median, na.rm = TRUE)
)
# Calcular mediana solo por tipo
mediana_tipo <- with(vivienda,
tapply(piso, tipo, median, na.rm = TRUE)
)
# Identificar NAs
idx_na <- is.na(vivienda$piso)
# Imputar
vivienda$piso[idx_na] <- mapply(function(t, b) {
if (is.na(t) || is.na(b)) return(NA_real_)
val <- mediana_piso[t, b]
if (!is.na(val)) {
return(round(val))
} else {
# usar mediana por tipo si la combinación tipo-barrio no existe
val2 <- mediana_tipo[t]
if (!is.na(val2)) return(round(val2))
NA_real_
}
}, vivienda$tipo[idx_na], vivienda$barrio[idx_na])
## ----outliers_id, include=FALSE-------------------------------------------------------------------
# Variables numéricas a analizar
varnum_outliers <- setdiff(num_todas, c("id", "latitud", "piso"))
# Función para identificar outliers en una variable
detect_outliers <- function(x) {
q1 <- quantile(x, 0.25, na.rm = TRUE)
q3 <- quantile(x, 0.75, na.rm = TRUE)
iqr <- q3 - q1
lim_inf <- q1 - 1.5 * iqr
lim_sup <- q3 + 1.5 * iqr
which(x < lim_inf | x > lim_sup)
}
# Crear un data frame por cada variable con outliers e imprimirlo
for (var in varnum_outliers) {
idx <- detect_outliers(vivienda[[var]])
if (length(idx) > 0) {
df <- data.frame(
atípico = vivienda[[var]][idx]
)
nombre_df <- paste0("outliers_", var)
assign(nombre_df, df)
# Imprimir
cat("\n Outliers de", var, "\n", "\n")
print(df)
}
}
## ----estandarizacion, include=FALSE---------------------------------------------------------------
# Estandarizar las variables numéricas
Var_PCA <- setdiff(num_todas, c("id", "piso", "estrato", "latitud", "longitud"))
viviendaZ <- scale(vivienda[, Var_PCA])
## ----PCA, echo=FALSE, fig.cap= "Figura 2. Porcentajes de explicación de la varianza"--------------
library(factoextra)
res.pca = prcomp(viviendaZ)
fviz_eig(res.pca, addlabels = TRUE)
## ----PC1PC2, echo=FALSE, fig.cap = "Figura 3. Variables en el plano de componentes principales"----
fviz_pca_var(res.pca,
col.var = "contrib",
gradient.cols = c("#FF7F00", "#034D94"),
repel = TRUE
)
## ----extremos, include=FALSE----------------------------------------------------------------------
library(ggplot2)
# Scores de las observaciones
scores <- as.data.frame(res.pca$x)
# Seleccionar los 4 casos extremos usando PC1 y PC2
idx_ext <- unique(c(
which.min(scores$PC1),
which.max(scores$PC1),
which.min(scores$PC2),
which.max(scores$PC2)
))
# Crear dataframe con los valores extremos
datos_extremos <- rbind(
vivienda[idx_ext[1], ],
vivienda[idx_ext[2], ],
vivienda[idx_ext[3], ],
vivienda[idx_ext[4], ]
)
casos_ext <- scores[idx_ext, c("PC1", "PC2")]
casos_ext$label <- paste("Vivienda", idx_ext)
datos_extremos <- as.data.frame(datos_extremos)
# Asignar nombres de fila
rownames(datos_extremos) <- paste("Vivienda", idx_ext)
# Ver resultado
datos_extremos
## ----individuales, echo=FALSE, fig.cap = "Figura 4. Muestra el gráfico de observaciones"----------
# Gráfico de observaciones
fviz_pca_ind(res.pca,
axes = c(1,2),
col.ind = "grey85") +
geom_point(data = casos_ext,
aes(x = PC1, y = PC2),
color = "red",
size = 3)
## ----echo=FALSE, fig.cap= "Figura 5. Relación variables y observaciones"--------------------------
fviz_pca_biplot(res.pca,
repel = TRUE,
habillage = vivienda$zona,
col.var = "#034A94", # Variables color
col.ind = c("#DEDEDE", "#034A94") # Individuals color
)
## ----dist_euclidiana, include=FALSE---------------------------------------------------------------
# Matriz para clustering: PC1 y PC2
datos_pca <- as.data.frame(res.pca$x[, 1:2]) # columnas: PC1, PC2
# Distancia euclidiana
dist_e <- dist(datos_pca, method = "euclidean")
## ----dendograma, echo=FALSE, fig.cap= "Figura 6. Dendograma"--------------------------------------
set.seed(123)
idx_sample <- sample(1:nrow(datos_pca), 500)
datos_sample <- datos_pca[idx_sample, ]
dist_sample <- dist(datos_sample)
hc_sample <- hclust(dist_sample, method = "complete")
fviz_dend(hc_sample, k = 4, show_labels = FALSE)
## ----distribucion, echo=FALSE, fig.cap= "Figura 7. Gráfico de puntos"-----------------------------
library(tidyverse)
# Clúster jerárquico con el método complete
hc_emp <- hclust(dist_e, method = "complete")
# Determinamos a dónde pertenece cada observación
cluster_assigments <- cutree(hc_emp, k = 4)
# Asignamos los clusters
assigned_cluster <- datos_pca %>%
mutate(cluster = as.factor(cluster_assigments))
# Gráfico de puntos en el plano PC1-PC2
ggplot(assigned_cluster, aes(x = PC1, y = PC2, color = cluster)) +
geom_point(size = 4) +
geom_text(aes(label = cluster), vjust = -.8) +
theme_classic()
## ----silhouette, echo=FALSE-----------------------------------------------------------------------
library(cluster)
# Calcular el coeficiente de Silhouette
sil <- silhouette(cluster_assigments, dist(datos_pca))
sil_avg <- mean(sil[,3])
# Imprimir el coeficiente de Silhouette promedio
cat("Coeficiente de Silhouette promedio k=4 : ", sil_avg)
## ----preparacion_cat, include=FALSE---------------------------------------------------------------
library(FactoMineR)
vivienda_cat <- vivienda[, var_cat] |> as.data.frame()
set.seed(1234)
# Muestrear
vivienda_cat <- sample_n(vivienda_cat, 4000)
## ----contingencia_zoba, include=FALSE-------------------------------------------------------------
library(FactoMineR)
tabla_zb <- table(vivienda_cat$zona, vivienda_cat$barrio)
## ----chi_zoba, echo=FALSE-------------------------------------------------------------------------
chisq.test(tabla_zb, simulate.p.value = TRUE, B = 2000)
## ----corres_zoba, echo=FALSE, fig.cap = "Figura 8. AC Zona - Barrio"------------------------------
resultados_ac_zb <- CA(tabla_zb, graph = FALSE)
valores_prop_zb <- resultados_ac_zb$eig
fviz_ca_biplot(resultados_ac_zb, repel = TRUE,
select.col = list(contrib = 20)) +
ggtitle("AC: Zona vs Barrio (Top 20 por contribución)")
## ----rep_zb, echo=FALSE, fig.cap= "Porcentaje de representabilidad Zona-Barrio"-------------------
fviz_screeplot(resultados_ac_zb, addlabels = TRUE, ylim = c(0, 80)) +
ggtitle("") +
ylab("Porcentaje de varianza explicado") +
xlab("Ejes")
## ----contingencia_zoti, echo=FALSE----------------------------------------------------------------
library(FactoMineR)
tabla_zt <- table(vivienda_cat$zona, vivienda_cat$tipo)
## ----chi_zoti, echo=FALSE-------------------------------------------------------------------------
chisq.test(tabla_zt)
## ----corres_zoti, include=FALSE-------------------------------------------------------------------
# Análisis de correspondencias
resultados_ac_zt <- CA(tabla_zt, graph = FALSE)
## ----rep_zt, echo=FALSE, fig.cap= "Figura.10 Porcentaje de representabilidad Zona-Tipo"-----------
fviz_screeplot(resultados_ac_zt, addlabels = TRUE, ylim = c(0, 80)) +
ggtitle("") +
ylab("Porcentaje de varianza explicado") +
xlab("Ejes")
## ----contingencia_bati, include=FALSE-------------------------------------------------------------
library(FactoMineR)
tabla_bt <- table(vivienda_cat$barrio, vivienda_cat$tipo)
## ----chi_bati, echo=FALSE-------------------------------------------------------------------------
chisq.test(tabla_bt, simulate.p.value = TRUE, B = 2000)
## ----corres_bati, echo=FALSE----------------------------------------------------------------------
# Análisis de correspondencias
resultados_ac_bt <- CA(tabla_bt, graph = FALSE)
## ----rep_bt, echo=FALSE, fig.cap= "Figura 11. Porcentaje de representabilidad Barrio-Tipo"--------
fviz_screeplot(resultados_ac_bt, addlabels = TRUE, ylim = c(0, 80)) +
ggtitle("") +
ylab("Porcentaje de varianza explicado") +
xlab("Ejes")
## ----resumen_zona, echo=FALSE---------------------------------------------------------------------
library(dplyr)
library(knitr)
library(kableExtra)
res_zona <- vivienda %>%
group_by(zona) %>%
summarise(
med_precio_m2 = median(preciom, na.rm = TRUE),
med_area = median(areaconst, na.rm = TRUE),
med_hab = median(habitaciones, na.rm = TRUE),
med_ban = median(banios, na.rm = TRUE),
med_parq = median(parqueaderos, na.rm = TRUE)
) %>%
arrange(desc(med_precio_m2))
kable(res_zona, caption = "Tabla 6. Resumen por zona (medianas)") %>%
kable_styling(full_width = FALSE, bootstrap_options = c("striped","hover","condensed"))
## ----mapa_cluster, echo=FALSE, fig.cap= "Figura 12. Distribución geográfica de clusters"----------
library(ggplot2)
vivienda$cluster <- as.factor(cluster_assigments)
ggplot(vivienda, aes(x = longitud, y = latitud, color = cluster)) +
geom_point(alpha = 0.6, size = 1) +
theme_classic() +
labs(title = "Mapa de viviendas por cluster", x = "Longitud", y = "Latitud")
## ----perfil_clusters, echo=FALSE------------------------------------------------------------------
perfil <- vivienda %>%
group_by(cluster) %>%
summarise(
casas = sum(tipo == "Casa", na.rm = TRUE),
apartamentos = sum(tipo == "Apartamento", na.rm = TRUE),
med_precio_m2 = median(preciom, na.rm = TRUE),
med_area = median(areaconst, na.rm = TRUE),
med_hab = median(habitaciones, na.rm = TRUE),
med_ban = median(banios, na.rm = TRUE),
med_parq = median(parqueaderos, na.rm = TRUE)
) %>%
arrange(cluster)
kable(perfil, caption = "Tabla 7. Perfil de clusters") %>%
kable_styling(full_width = FALSE, bootstrap_options = c("striped","hover","condensed"))
## ----heatmap_zona_tipo, echo=FALSE, fig.cap = "Figura 13. Heatmap de Zona vs Tipo"----------------
library(ggplot2)
tabla <- as.data.frame(table(vivienda$zona, vivienda$tipo))
colnames(tabla) <- c("zona", "tipo", "n")
ggplot(tabla, aes(x = tipo, y = zona, fill = n)) +
geom_tile() +
geom_text(aes(label = n), size = 3) +
theme_classic() +
labs(title = "Zona vs Tipo", x = "Tipo", y = "Zona")
## ----echo=FALSE, message=FALSE, warning=FALSE-----------------------------------------------------
knitr::kable(
tabla_variables,
caption = "Tabla 1: Descripción detallada de las variables",
align = "ccc"
)
## ----ref.label= "negativos", echo=FALSE, message=FALSE, warning=FALSE-----------------------------
## ----ref.label= "tipografia", echo=FALSE, message=FALSE, warning=FALSE----------------------------
## ----ref.label= "barrio_num", echo=FALSE, message=FALSE, warning=FALSE----------------------------
## ----ref.label= "tipografia_id", echo=FALSE, message=FALSE, warning=FALSE-------------------------
## ----ref.label= "Na_var", echo=FALSE--------------------------------------------------------------
# Conteo NA por variable
colSums(is.na(vivienda))
## ----ref.label = "outliers_boxplot",echo=FALSE----------------------------------------------------
## ----echo=FALSE, ref.label="tipografia_cor"-------------------------------------------------------
## ----echo=FALSE, ref.label="outliers_id"----------------------------------------------------------
## ----echo = FALSE---------------------------------------------------------------------------------
kable(tabla_zb, caption = "Tabla 3. Tabla de contingencia zona-barrio")
## ----echo = FALSE---------------------------------------------------------------------------------
kable(tabla_zt, caption = "Tabla 4. Tabla de contingencia zona-tipo")
## ----echo = FALSE---------------------------------------------------------------------------------
kable(tabla_bt, caption = "Tabla 5. Tabla de contingencia barrio-tipo")
## ----Anexo_codigo, echo=FALSE, results='asis'-----------------------------------------------------
# Leer todo el archivo .R
codigo <- readLines("Anexo_codigo.R")
# Mostrarlo como texto en el documento
cat(paste(c("```r", codigo, "```"), collapse = "\n"))
# Evitar que R imprima el resultado del chunk
invisible(NULL)