import pandas as pd import matplotlib.pyplot as plt import seaborn as sns inmuebles = pd.read_csv('inmuebles_bogota.csv') inmuebles.head()

inmuebles.shape

inmuebles.columns

inmuebles.info()

inmuebles.describe()

#Quitemos el número de decimales para que se vea mejor pd.options.display.float_format = '{:.2f}'.format inmuebles.describe()

inmuebles.Área.mean()

print(f"El inmueble con mayor área tiene {inmuebles.Área.max()} metros cuadrados, mientras que el de menor área posee {inmuebles.Área.min()}")

#cuenta con una máscara los inmuebles que tienen un área inferior a 10 metros cuadrados inmuebles[inmuebles.Área < 10]

#ahora eliminamos los inmuebles que tienen un área inferior a 10 metros cuadrados y actualizamos el dataframe inmuebles = inmuebles[inmuebles.Área >= 10]

#veamos si los valores extremos de la columna área tienen sentido ahora: print(f"El inmueble con mayor área tiene {inmuebles.Área.max()} metros cuadrados, mientras que el de menor área posee {inmuebles.Área.min()}.")

#El signo pesos y los puntos son caracteres que no permiten hacer operaciones matemáticas inmuebles["valor"] = inmuebles["Valor"].str[1:] inmuebles["valor"] = inmuebles["valor"].str.replace(".","", regex = True) #Con el formato actual ahora es válido realizar una conversión de tipo string a tipo numérico: inmuebles["valor"] = pd.to_numeric(inmuebles["valor"])

#Para mejorar la legibilidad reescalemos los valores de la columna "valor" a millones de pesos: inmuebles["valor"] = inmuebles["valor"].astype(float)/1000000

inmuebles["valor"].max() inmuebles["valor"].min() print(f"El inmueble más costoso tiene un valor de {inmuebles['valor'].max()} Millones de pesos colombianos") print(f"El inmueble más económico tiene un valor de {inmuebles['valor'].min()} Millones de pesos colombianos")

promedio = inmuebles["valor"].median() print(f"El promedio de la columna 'valor' es {round(promedio, 2)} Millones de pesos colombianos")

sns.histplot(data=inmuebles["valor"], log_scale=(True, True), stat="count" , bins=50, color='Green',) #histograma de las fecuencias absolutas de la columna "valor" dividida en intervalos de 50 millones de pesos

#Máscara: es una lista que usa valores booleanos para filtrar un DataFrame inmuebles_chico = (inmuebles.Barrio == "Chico Reservado") #creación del subconjunto de datos Df_chico_reservado = inmuebles[inmuebles_chico] Df_chico_reservado.head(7)

#Otra manipulación interesante es la cantidad de inmuebles por barrio. inmuebles.Barrio.value_counts()

#Realiza el mismo gráfico anterior pero con seaborn, coloreado en orden ascendente sns.countplot(x="Barrio", data=inmuebles, order = inmuebles.Barrio.value_counts(ascending=True).iloc[137:].index , palette="Greens_d") #El método value_counts() nos permite contar la cantidad de veces que se repite un valor en una columna plt.xticks(rotation=90) plt.ylabel("Cantidad de inmuebles") plt.xlabel("") plt.title("Cantidad de inmuebles por barrio") plt.show()

# datos_barrio = inmuebles.groupby('Barrio').sum() datos_barrio['Valor_m2_Barrio'] = datos_barrio['valor']/datos_barrio['Área'] datos_barrio

#Guardo en un diccionario la columna Valor_m2_Barrio m2_barrio = dict(datos_barrio['Valor_m2_Barrio']) m2_barrio

inmuebles['Valor_m2_Barrio'] = inmuebles['Barrio'] inmuebles['Valor_m2_Millon'] = inmuebles['valor']/inmuebles['Área']

#asigno los valores del diccionario a la columna Valor_m2_Barrio a través de un 'mapeo' nmuebles['Valor_m2_Barrio'] = inmuebles['Valor_m2_Barrio'].map(m2_barrio) inmuebles.head(5)

top_barrios = inmuebles["Barrio"].value_counts().head(10).index

#Reseteo el índice para no tener que citar strings datos_barrio.reset_index(inplace=True) datos_barrio

datos_barrio.query("Barrio in @top_barrios")

#Gráfico de barras con seaborn plt.figure(figsize=(16,16)) ax = sns.barplot(x="Barrio", y="Valor_m2_Barrio", data=datos_barrio.query("Barrio in @top_barrios")) ax.tick_params(axis='x', rotation=45) ax.set_title("Valor promedio del metro cuadrado para el top10 barrios")

plt.figure(figsize=(10,8)) ax = sns.boxplot(x="Barrio", y="Valor_m2_Millon", data = inmuebles.query('Barrio in @top_barrios')) ax.tick_params(axis='x', rotation=45) plt.show()

plt.figure(figsize=(10,8)) ax = sns.boxplot(x="Barrio", y="Valor_m2_Millon", data = inmuebles.query('Barrio in @top_barrios & Valor_m2_Millon < 15')) ax.tick_params(axis='x', rotation=45) plt.show()