Variables
merged <- merged %>%
filter(Codi != 12)
merged2 <- merged %>%
remove_rownames %>%
column_to_rownames(var="Nom_Barri") %>%
select("n.tot","pc.esp","pc.ue27-esp","pc.20.34","2019-2014","n.esp.V1419",
"hotel2019","rest1614",
"RFD.2017",
"tot_ann","pmedio","pmedio.V1519","pm_ent.V1519","pm_priv.V1519",
"alq.num","alq.pm","alq.pm.V1519","alq.num.V1519",
"tot.comp","tot.eur","perc.nou.comp","perc.usat.comp","tot.comp.V1419",
"nou.eur.V1419","usat.eur.V1419",
"percbar.filt"
)Standardizar los datos
df <- scale(merged2)##CLUSTER 5
set.seed(123)
finalK <- kmeans(df, centers = 5, nstart = 100)
print(finalK)## K-means clustering with 5 clusters of sizes 16, 8, 4, 6, 38
##
## Cluster means:
## n.tot pc.esp pc.ue27-esp pc.20.34 2019-2014 n.esp.V1419
## 1 1.3960194 -0.07157334 0.2650414 0.3188958 0.34987666 -0.2725132
## 2 -0.4409814 0.45118049 0.1205637 -0.7499247 0.50580191 0.1083621
## 3 0.2425617 -3.18516916 3.4567764 3.2542353 -1.64605832 -1.3603202
## 4 -1.3336848 0.71688827 -0.6727390 -0.5623155 -0.32263177 1.6901819
## 5 -0.3099105 0.15723886 -0.3946275 -0.2301575 -0.02958995 -0.0317499
## hotel2019 rest1614 RFD.2017 tot_ann pmedio pmedio.V1519
## 1 1.1567406 -0.04300528 0.4885438 0.9700968 0.8212693 0.7578287
## 2 -0.3356074 0.53400427 1.9400672 -0.4273809 1.1007084 0.6038323
## 3 0.9577186 -1.94025068 -0.1256018 2.1359700 -0.0572929 -0.3970500
## 4 -0.4775063 -0.01530249 -0.6611238 -0.6285160 -0.9371242 -0.7448581
## 5 -0.4418112 0.11233863 -0.4965287 -0.4440864 -0.4235279 -0.2868045
## pm_ent.V1519 pm_priv.V1519 alq.num alq.pm alq.pm.V1519 alq.num.V1519
## 1 0.4493178 0.2859339 1.4805267 0.4971167 0.35248456 0.1041659
## 2 0.8526052 0.1296430 -0.2624017 1.6323115 0.10315880 1.2619146
## 3 -0.5130673 0.5625239 0.6324351 0.2631659 0.71416876 -0.5125819
## 4 -0.4392074 -1.1122146 -1.0116343 -1.7737213 -2.17093638 0.5983088
## 5 -0.2453267 -0.0312867 -0.4749776 -0.3005972 0.09747158 -0.3500394
## tot.comp tot.eur perc.nou.comp perc.usat.comp tot.comp.V1419
## 1 0.8798304 0.4243079 0.005970132 -0.01048643 -0.4308041
## 2 -0.6482664 1.8943080 -0.379912011 0.39316850 -0.7874916
## 3 0.6647900 -0.1108625 0.137425540 -0.12161974 -0.6467988
## 4 -1.1693206 -0.4668448 0.585150896 -0.55293291 -0.3824664
## 5 -0.1193261 -0.4920756 -0.029390357 0.02175030 0.4756524
## nou.eur.V1419 usat.eur.V1419 percbar.filt
## 1 0.39131311 0.254301954 0.64434165
## 2 -0.74996802 -0.557254930 0.09663830
## 3 1.12313695 -0.007291675 0.56331803
## 4 0.02626899 -0.977120561 -2.01386641
## 5 -0.12924809 0.165292059 -0.03296438
##
## Clustering vector:
## el Raval
## 3
## el Barri Gòtic
## 3
## la Barceloneta
## 3
## Sant Pere, Santa Caterina i la Ribera
## 3
## el Fort Pienc
## 1
## la Sagrada Família
## 1
## la Dreta de l'Eixample
## 1
## l'Antiga Esquerra de l'Eixample
## 1
## la Nova Esquerra de l'Eixample
## 1
## Sant Antoni
## 1
## el Poble Sec
## 1
## la Marina de Port
## 5
## la Font de la Guatlla
## 5
## Hostafrancs
## 5
## la Bordeta
## 5
## Sants - Badal
## 5
## Sants
## 1
## les Corts
## 1
## la Maternitat i Sant Ramon
## 2
## Pedralbes
## 2
## Vallvidrera, el Tibidabo i les Planes
## 2
## Sarrià
## 2
## les Tres Torres
## 2
## Sant Gervasi - la Bonanova
## 2
## Sant Gervasi - Galvany
## 1
## el Putxet i el Farró
## 1
## Vallcarca i els Penitents
## 5
## el Coll
## 5
## la Salut
## 5
## la Vila de Gràcia
## 1
## el Camp d'en Grassot i Gràcia Nova
## 1
## el Baix Guinardó
## 5
## Can Baró
## 5
## el Guinardó
## 5
## la Font d'en Fargues
## 5
## el Carmel
## 5
## la Teixonera
## 5
## Sant Genís dels Agudells
## 5
## Montbau
## 5
## la Vall d'Hebron
## 4
## la Clota
## 4
## Horta
## 5
## Vilapicina i la Torre Llobeta
## 5
## Porta
## 5
## el Turó de la Peira
## 5
## Can Peguera
## 5
## la Guineueta
## 5
## Canyelles
## 4
## les Roquetes
## 5
## Verdun
## 5
## la Prosperitat
## 5
## la Trinitat Nova
## 5
## Torre Baró
## 4
## Ciutat Meridiana
## 5
## Vallbona
## 4
## la Trinitat Vella
## 5
## Baró de Viver
## 4
## el Bon Pastor
## 5
## Sant Andreu
## 1
## la Sagrera
## 5
## el Congrés i els Indians
## 5
## Navas
## 5
## el Camp de l'Arpa del Clot
## 1
## el Clot
## 5
## el Parc i la Llacuna del Poblenou
## 5
## la Vila Olímpica del Poblenou
## 2
## el Poblenou
## 1
## Diagonal Mar i el Front Marítim del Poblenou
## 2
## el Besòs i el Maresme
## 5
## Provençals del Poblenou
## 5
## Sant Martí de Provençals
## 5
## la Verneda i la Pau
## 5
##
## Within cluster sum of squares by cluster:
## [1] 268.68412 145.81312 72.54921 158.05176 434.59812
## (between_SS / total_SS = 41.5 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"
## [6] "betweenss" "size" "iter" "ifault"merged$cluster <- finalK$cluster
write.csv(merged, file = "mergedK.csv", append=TRUE)## Warning in write.csv(merged, file = "mergedK.csv", append = TRUE): attempt to
## set 'append' ignoredkkk <- merged %>%
mutate(Cluster = finalK$cluster) %>%
group_by(Nom_Barri) #%>%
#summarise_all("mean")##GRUPO 1
K1 <- subset(kkk, Cluster == "1")
K1$Nom_Barri## [1] "el Fort Pienc" "la Sagrada Família"
## [3] "la Dreta de l'Eixample" "l'Antiga Esquerra de l'Eixample"
## [5] "la Nova Esquerra de l'Eixample" "Sant Antoni"
## [7] "el Poble Sec" "Sants"
## [9] "les Corts" "Sant Gervasi - Galvany"
## [11] "el Putxet i el Farró" "la Vila de Gràcia"
## [13] "el Camp d'en Grassot i Gràcia Nova" "Sant Andreu"
## [15] "el Camp de l'Arpa del Clot" "el Poblenou"##GRUPO 2
K2 <- subset(kkk, Cluster == "2")
K2$Nom_Barri## [1] "la Maternitat i Sant Ramon"
## [2] "Pedralbes"
## [3] "Vallvidrera, el Tibidabo i les Planes"
## [4] "Sarrià"
## [5] "les Tres Torres"
## [6] "Sant Gervasi - la Bonanova"
## [7] "la Vila Olímpica del Poblenou"
## [8] "Diagonal Mar i el Front Marítim del Poblenou"##GRUPO 3
K3 <- subset(kkk, Cluster == "3")
K3$Nom_Barri## [1] "el Raval"
## [2] "el Barri Gòtic"
## [3] "la Barceloneta"
## [4] "Sant Pere, Santa Caterina i la Ribera"##GRUPO 4
K4 <- subset(kkk, Cluster == "4")
K4$Nom_Barri## [1] "la Vall d'Hebron" "la Clota" "Canyelles" "Torre Baró"
## [5] "Vallbona" "Baró de Viver"##GRUPO 5
K5 <- subset(kkk, Cluster == "5")
K5$Nom_Barri## [1] "la Marina de Port" "la Font de la Guatlla"
## [3] "Hostafrancs" "la Bordeta"
## [5] "Sants - Badal" "Vallcarca i els Penitents"
## [7] "el Coll" "la Salut"
## [9] "el Baix Guinardó" "Can Baró"
## [11] "el Guinardó" "la Font d'en Fargues"
## [13] "el Carmel" "la Teixonera"
## [15] "Sant Genís dels Agudells" "Montbau"
## [17] "Horta" "Vilapicina i la Torre Llobeta"
## [19] "Porta" "el Turó de la Peira"
## [21] "Can Peguera" "la Guineueta"
## [23] "les Roquetes" "Verdun"
## [25] "la Prosperitat" "la Trinitat Nova"
## [27] "Ciutat Meridiana" "la Trinitat Vella"
## [29] "el Bon Pastor" "la Sagrera"
## [31] "el Congrés i els Indians" "Navas"
## [33] "el Clot" "el Parc i la Llacuna del Poblenou"
## [35] "el Besòs i el Maresme" "Provençals del Poblenou"
## [37] "Sant Martí de Provençals" "la Verneda i la Pau"centers excel
finalK$cluster## el Raval
## 3
## el Barri Gòtic
## 3
## la Barceloneta
## 3
## Sant Pere, Santa Caterina i la Ribera
## 3
## el Fort Pienc
## 1
## la Sagrada Família
## 1
## la Dreta de l'Eixample
## 1
## l'Antiga Esquerra de l'Eixample
## 1
## la Nova Esquerra de l'Eixample
## 1
## Sant Antoni
## 1
## el Poble Sec
## 1
## la Marina de Port
## 5
## la Font de la Guatlla
## 5
## Hostafrancs
## 5
## la Bordeta
## 5
## Sants - Badal
## 5
## Sants
## 1
## les Corts
## 1
## la Maternitat i Sant Ramon
## 2
## Pedralbes
## 2
## Vallvidrera, el Tibidabo i les Planes
## 2
## Sarrià
## 2
## les Tres Torres
## 2
## Sant Gervasi - la Bonanova
## 2
## Sant Gervasi - Galvany
## 1
## el Putxet i el Farró
## 1
## Vallcarca i els Penitents
## 5
## el Coll
## 5
## la Salut
## 5
## la Vila de Gràcia
## 1
## el Camp d'en Grassot i Gràcia Nova
## 1
## el Baix Guinardó
## 5
## Can Baró
## 5
## el Guinardó
## 5
## la Font d'en Fargues
## 5
## el Carmel
## 5
## la Teixonera
## 5
## Sant Genís dels Agudells
## 5
## Montbau
## 5
## la Vall d'Hebron
## 4
## la Clota
## 4
## Horta
## 5
## Vilapicina i la Torre Llobeta
## 5
## Porta
## 5
## el Turó de la Peira
## 5
## Can Peguera
## 5
## la Guineueta
## 5
## Canyelles
## 4
## les Roquetes
## 5
## Verdun
## 5
## la Prosperitat
## 5
## la Trinitat Nova
## 5
## Torre Baró
## 4
## Ciutat Meridiana
## 5
## Vallbona
## 4
## la Trinitat Vella
## 5
## Baró de Viver
## 4
## el Bon Pastor
## 5
## Sant Andreu
## 1
## la Sagrera
## 5
## el Congrés i els Indians
## 5
## Navas
## 5
## el Camp de l'Arpa del Clot
## 1
## el Clot
## 5
## el Parc i la Llacuna del Poblenou
## 5
## la Vila Olímpica del Poblenou
## 2
## el Poblenou
## 1
## Diagonal Mar i el Front Marítim del Poblenou
## 2
## el Besòs i el Maresme
## 5
## Provençals del Poblenou
## 5
## Sant Martí de Provençals
## 5
## la Verneda i la Pau
## 5centers <- finalK$centers
centers <- as.data.frame(centers)
#write.xlsx(centers, file = "Z:/Il mio Drive/Dades_i_Docus_Habitatge_Airbnb/2_Metodologia/centers.xlsx", append=TRUE)cluster excel
merged$cluster <- finalK$cluster
clue <- merged[,c(2,103)]
clue <- as.data.frame(clue)
#write.xlsx(clue, file = "Z:/Il mio Drive/Dades_i_Docus_Habitatge_Airbnb/2_Metodologia/cluster.xlsx", append=TRUE)