Introdução

Utilizamos uma base de dados do kaggle, carregada pelo usuário Rubens Júnior¹ informando detalhes de casas para alugar no Brasil
Link para página Aqui.
Escolhemos esta base por conter dados diversificados e pela simplicidade do conteúdo.
Utilizamos somente as 1000 primeiras linhas da base.

Limpeza dos dados

Carregando pacotes

library(ggplot2)
library(dplyr)
library(stringr)
library(knitr)
library(rmarkdown)
library(forcats)
library(patchwork)
library(ggExtra)
library(janitor)

Limpeza dos dados

Path = 'Moradia/houses_to_rent.csv'
Tabela = read.csv(Path)
Tabela <- Tabela[1:1000,]
Tabela <- Tabela %>% select(-X)
Tabela <- Tabela %>% mutate(city = as.factor(city))
Tabela <- Tabela %>% mutate(floor = as.numeric(as.character(floor)))
Tabela <- Tabela %>% mutate(hoa = str_replace(as.character(hoa),",",""))
Tabela <- Tabela %>% mutate(hoa = as.numeric(str_remove(as.character(hoa),"R\\$")))

Tabela <- Tabela %>% mutate(rent.amount = str_replace(as.character(rent.amount),",",""))
Tabela <- Tabela %>% mutate(rent.amount = floor(as.numeric(str_remove(as.character(rent.amount),"R\\$"))))

Tabela <- Tabela %>% mutate(property.tax = str_replace(as.character(property.tax),",",""))
Tabela <- Tabela %>% mutate(property.tax = floor(as.numeric(str_remove(as.character(property.tax),"R\\$"))))

Tabela <- Tabela %>% mutate(fire.insurance = str_replace(as.character(fire.insurance),",",""))
Tabela <- Tabela %>% mutate(fire.insurance= floor(as.numeric(str_remove(as.character(fire.insurance),"R\\$"))))

Tabela <- Tabela %>% mutate(total = str_replace(as.character(total),",",""))
Tabela <- Tabela %>% mutate(total = floor(as.numeric(str_remove(as.character(total),"R\\$"))))
write.csv(Tabela,"Moradia/Dados limpos")
paged_table(head(Tabela,100))

Medidas

Animais

paged_table(Tabela %>% 
  tabyl(animal) %>%
  adorn_totals(where = c("row")) %>% 
  adorn_percentages(denominator = "col") %>% 
  adorn_pct_formatting(digits = 2) %>% 
  adorn_ns(position = "front"))

Cidade

paged_table(Tabela %>% 
  tabyl(city) %>%
  adorn_totals(where = c("row")) %>% 
  adorn_percentages(denominator = "col") %>% 
  adorn_pct_formatting(digits = 2) %>% 
  adorn_ns(position = "front"))

Mobília

paged_table(Tabela %>% 
  tabyl(furniture) %>%
  adorn_totals(where = c("row")) %>% 
  adorn_percentages(denominator = "col") %>% 
  adorn_pct_formatting(digits = 2) %>% 
  adorn_ns(position = "front"))

Animais x Mobília

paged_table(Tabela %>% 
  tabyl(animal,furniture) %>%
  adorn_totals(where = c("row","col")) %>% 
  adorn_percentages(denominator = "col") %>% 
  adorn_pct_formatting(digits = 2) %>% 
  adorn_ns(position = "front"))

Animais x Cidade

paged_table(Tabela %>% 
  tabyl(animal,city) %>%
  adorn_totals(where = c("row","col")) %>% 
  adorn_percentages(denominator = "col") %>% 
  adorn_pct_formatting(digits = 2) %>% 
  adorn_ns(position = "front"))

Cidade x Mobília

paged_table(Tabela %>% 
  tabyl(city,furniture) %>%
  adorn_totals(where = c("row","col")) %>% 
  adorn_percentages(denominator = "col") %>% 
  adorn_pct_formatting(digits = 2) %>% 
  adorn_ns(position = "front"))

Quartos

paged_table(Tabela %>%
              mutate(rooms = ifelse(rooms >= 5,"5+",rooms) ) %>% 
              tabyl(rooms) %>%
              adorn_totals(where = c("row")) %>%
              adorn_percentages(denominator = "col") %>% 
              adorn_pct_formatting(digits = 2) %>% 
              adorn_ns(position = "front"))

summary(Tabela$rooms)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1.00    2.00    3.00    2.48    3.00    7.00

var(Tabela$rooms)

## [1] 1.276877

Banheiros

paged_table(Tabela %>%
              mutate(bathroom = ifelse(bathroom >= 5,"5+",bathroom) ) %>% 
              tabyl(bathroom) %>%
              adorn_totals(where = c("row")) %>%
              adorn_percentages(denominator = "col") %>% 
              adorn_pct_formatting(digits = 2) %>% 
              adorn_ns(position = "front"))

summary(Tabela$bathroom)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   1.000   1.000   2.000   2.356   3.000  10.000

var(Tabela$bathroom)

## [1] 2.085349

vagas de garagem

paged_table(Tabela %>%
              mutate(parking.spaces = ifelse(parking.spaces >= 5,"5+",parking.spaces) ) %>% 
              tabyl(parking.spaces) %>%
              adorn_totals(where = c("row")) %>%
              adorn_percentages(denominator = "col") %>% 
              adorn_pct_formatting(digits = 2) %>% 
              adorn_ns(position = "front"))

summary(Tabela$parking.spaces)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.000   1.000   1.000   1.778   2.000   8.000

var(Tabela$parking.spaces)

## [1] 2.525241

andar

paged_table(Tabela %>%
              mutate(floor = cut(Tabela$floor,
                                 breaks = c(0,5,10,15,85) ) ) %>% 
              tabyl(floor) %>%
              adorn_totals(where = c("row")) %>%
              adorn_percentages(denominator = "col") %>% 
              adorn_pct_formatting(digits = 2) %>% 
              adorn_ns(position = "front"))

summary(Tabela$floor)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##   1.000   3.000   6.000   7.694  11.000  85.000     246

var(!is.na(Tabela$floor) )

## [1] 0.1856697

metragem

paged_table(Tabela %>%
              mutate(area = cut(Tabela$area,
                                 breaks = c(0,50,100,150,200,250,900) ) ) %>% 
              tabyl(area) %>%
              adorn_totals(where = c("row")) %>%
              adorn_percentages(denominator = "col") %>% 
              adorn_pct_formatting(digits = 2) %>% 
              adorn_ns(position = "front"))

summary(Tabela$area)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    10.0    58.0   100.0   147.8   198.0   900.0

var(Tabela$area)

## [1] 17498.37

valor total

# Corrigir notação científica de "total"

paged_table(Tabela %>%
              mutate(total = cut(Tabela$total,breaks = c(500,1500,3000,4500,6000,9000,12000,25000)) ) %>% 
              tabyl(total) %>%
              adorn_totals(where = c("row")) %>%
              adorn_percentages(denominator = "col") %>% 
              adorn_pct_formatting(digits = 2) %>% 
              adorn_ns(position = "front"))

summary(Tabela$total)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     660    2550    4279    6026    8598   24890

var(Tabela$total)

## [1] 22836097

valor total x area

paged_table(Tabela %>%
              mutate(area = cut(Tabela$area,
                                 breaks = c(0,50,100,150,200,250,900) ),
                     total = cut(Tabela$total,breaks = c(500,1500,3000,4500,6000,9000,12000,25000)) ) %>%  
              tabyl(total,area) %>%
              adorn_totals(where = c("row","col")) %>%
              adorn_percentages(denominator = "col") %>% 
              adorn_pct_formatting(digits = 2) %>% 
              adorn_ns(position = "front"))

Covariance <- cov(Tabela$total,Tabela$area)/( sd(Tabela$total) * sd(Tabela$area) ) 

Covariance

## [1] 0.6942193

Tabela %>% ggplot(aes(x = total, y = area)) + geom_point() + 
    labs(x = "Total", y = "Área", title = "") + 
    theme(
    plot.title = element_text(hjust = 0.5),
    axis.title = element_text(color = "red"),
    panel.background = element_rect(fill = "grey"),
    panel.grid = element_blank())

0.5 a 0.7 positivo ou negativo indica uma correlação moderada.

vagas de garagem x metragem

paged_table(Tabela %>%
              mutate(parking.spaces = ifelse(parking.spaces >= 5,
                                             "5+",parking.spaces),
                     area = cut(Tabela$area,
                                 breaks = c(0,50,100,150,200,250,900) ) ) %>% 
              tabyl(parking.spaces,area) %>%
              adorn_totals(where = c("row","col")) %>%
              adorn_percentages(denominator = "col") %>% 
              adorn_pct_formatting(digits = 2) %>% 
              adorn_ns(position = "front"))

Covariance <- cov(Tabela$parking.spaces,Tabela$area)/( sd(Tabela$parking.spaces) * sd(Tabela$area) ) 

Covariance

## [1] 0.7225513

Tabela %>% ggplot(aes(x = parking.spaces, y = area)) + geom_point() + 
    labs(x = "Vagas", y = "Área", title = "") + 
    theme(
    plot.title = element_text(hjust = 0.5),
    axis.title = element_text(color = "red"),
    panel.background = element_rect(fill = "grey"),
    panel.grid = element_blank())

0.7 a 0.9 positivo ou negativo indica uma correlação forte.

valor total x andar

paged_table(Tabela %>%
              mutate(floor = cut(Tabela$floor,
                                 breaks = c(0,5,10,15,85) ),
                     total = cut(Tabela$total,
                                          breaks = c(500,1500,3000,4500,6000,9000,12000,25000))) %>% 
              tabyl(total,floor) %>%
              adorn_totals(where = c("row","col")) %>%
              adorn_percentages(denominator = "col") %>% 
              adorn_pct_formatting(digits = 2) %>% 
              adorn_ns(position = "front"))

Covariance <- cov(Tabela$total, !is.na(Tabela$floor) )/( sd(Tabela$total) * sd( !is.na(Tabela$floor) ) ) 

Covariance

## [1] 0.02582247

Tabela %>% ggplot(aes(x = floor, y = total)) + geom_point() + 
    labs(x = "Andar", y = "Total", title = "") + 
    theme(
    plot.title = element_text(hjust = 0.5),
    axis.title = element_text(color = "red"),
    panel.background = element_rect(fill = "grey"),
    panel.grid = element_blank())

0 a 0.3 positivo ou negativo indica uma correlação desprezível.

Covariance <- cov(Tabela$area, !is.na(Tabela$floor) )/( sd(Tabela$area) * sd( !is.na(Tabela$floor) ) ) 

Covariance

## [1] -0.3375788

Covariance <- cov(Tabela$rooms, !is.na(Tabela$floor) )/( sd(Tabela$rooms) * sd( !is.na(Tabela$floor) ) ) 

Covariance

## [1] -0.2218664

Visualizações

paged_table( Tabela %>% count(floor) %>% arrange(desc(floor)),
             options = list(rows.print = 5))

Tabela %>% ggplot(aes(floor)) + geom_point(stat = 'count', size = 2)  +
  coord_cartesian(xlim = c(0, 40)) +
  scale_x_continuous(breaks = seq(0, 40, 2)) +
  labs(x = "Andar", y = "Nº casas", title = "Contagem de casas por andar") + 
    theme(
    plot.title = element_text(hjust = 0.5),
    axis.title = element_text(color = "purple"),
    panel.background = element_rect(fill = "grey"),
    panel.grid = element_blank())

Quanto maior o andar menos imóveis para alugar, o que era esperado.

Vamos a algumas estatísticas de valores

abaixo o boxplot com as variáveis numéricas nos darão uma ideia de dispersão, média e quantis.

p1 <- Tabela %>% ggplot(aes(y = hoa)) + geom_boxplot()
p2 <- Tabela %>% ggplot(aes(y = rent.amount)) + geom_boxplot()
p3 <- Tabela %>% ggplot(aes(y = property.tax)) + geom_boxplot()
p4 <- Tabela %>% ggplot(aes(y = fire.insurance)) + geom_boxplot()
p1+p2+p3+p4

Percebe-se que o valor do aluguel tende a ser mais bem distribuído que as outras cobranças.

Vamos criar uma nova coluna “preço_ relativo_m2” obtida pela razão entre o total em valor e a área. Vejamos os que possuem o $m^2$ acima de R$100,00.

Tabela <- Tabela %>% mutate(preço_m2 = total/area)
paged_table( head(Tabela) )

Tabela %>% filter(preço_m2 >=100) %>% ggplot(aes(preço_m2))  + geom_point(stat = 'count')

vejamos se o preço por $m^2$ tem alguma relação com a cidade.

Tabela %>% group_by(city) %>% ggplot(aes(x = city, y = preço_m2)) + geom_boxplot(color = "blue") +
  coord_cartesian(ylim = c(0, 200)) +
  labs(x = "Cidade", y = "R$/m2", title = "Preço por Metro Quadrado") + 
    theme(
    plot.title = element_text(hjust = 0.5),
    axis.title = element_text(color = "red"),
    panel.background = element_rect(fill = "grey"),
    panel.grid = element_blank())

A cidade 1 tem o $m^2$ mais caro que a cidade 0, no entanto a cidade 0 tem uma distribuição de preços mais regular.

Vejamos a relação entre preço do aluguel, área e número de quartos.

paged_table(Tabela %>% count(animal))

paged_table(Tabela %>% filter(rent.amount > 12000) %>% count(animal))

Tabela %>% filter(rent.amount > 12000) %>% 
  ggplot(aes(x = area, y = rent.amount, colour = animal)) + geom_point()

Casas maiores e mais caras tendem a ter mais tolerância com pets uma vez que no total essa proporção é de 0.78 e para casas com aluguel acima de R$12000,00 é de 0.87.

graf <- Tabela %>%
  filter( !is.na(Tabela) ) %>% 
  ggplot() + 
  geom_point(mapping = aes(x = area, y = total, color = total)) +
  scale_color_gradient(low = "orange", high = "red") +
  theme(legend.position="none")

graf <- ggMarginal(graf, type="histogram",fill = "darkorange") 


show(graf)

colors = c("darkgray","steelblue")

vagas <- Tabela %>% ggplot( aes(x = parking.spaces, fill = city ) ) +
  geom_bar(show.legend = FALSE) +
  labs(x = "vagas de garagem", y = "número de imóveis") + 
  scale_fill_manual(values = colors) 

quartos <- Tabela %>% ggplot( aes(x = rooms, fill = city ) ) +
  geom_bar() +
  labs(x = "número de quartos") +
  scale_fill_manual(values = colors,
                    name = "na cidade",
                    labels = c("não", "sim")) +
  theme(axis.title.y = element_blank(),
        legend.position="top")

banheiros <- Tabela %>% ggplot( aes(x = bathroom, fill = city ) ) +
  geom_bar(show.legend = FALSE) +
  labs(x = "número de banheiros") + 
  scale_fill_manual(values = colors) +
  theme(axis.title.y = element_blank() )

vagas + quartos + banheiros

Tabela %>%
  ggplot(aes(sample = total) ) +
  stat_qq(color = "black",
          fill = "gray",
          alpha = 1/5,
          size = 2) +
  stat_qq_line(color = "red") +
  labs(title = "Gráfico quantil x quantil do valor total dos imóveis",
       x = "quantis teóricos",
       y = "quantis amostrais")

Bibliotecas utilizadas

Grande parte dos comandos foram feitos utilizando ggplot2,dplyr. stringr auxiliou na limpeza dos dados, forcats,knitr e rmarkdown foram usadas para a construção de estruturas de dados categóricos.Usei patchwork para juntar gráficos distintos.E ggExtra para plotar gráficos marginais.E janitor para tabelas de frequência.

Referências

Livro de R consultado.
Livro de auxílio com para tabelas.

Link para a página do usuário que carregou a base aqui ↩︎

Casas para Alugar

Hanna e Marcos Antônio

09 abril,2021

Introdução

Limpeza dos dados

Medidas

Animais

Cidade

Mobília

Animais x Mobília

Animais x Cidade

Cidade x Mobília

Quartos

Banheiros

vagas de garagem

andar

metragem

valor total

valor total x area

vagas de garagem x metragem

valor total x andar

Visualizações

Bibliotecas utilizadas

Referências