
from google.colab import drive

drive.mount('/content/drive')

Mounted at /content/drive


import pandas as pd
inmuebles = pd.read_csv('/content/drive/MyDrive/inmersion_datos/inmuebles_bogota.csv')
inmuebles.head(1)


valor = inmuebles.Valor.str.split(expand=True)
inmuebles['Moneda'] = valor[0]
inmuebles['Precio'] = valor[1]
inmuebles.sample()


columnas = {'Baños':'Banos','Área':'Area'}
inmuebles = inmuebles.rename(columns=columnas)
inmuebles.sample()


valor = inmuebles.Valor.str.split(expand=True)
inmuebles['Moneda'] = valor[0]
inmuebles['Precio'] = valor[1]
inmuebles.sample()


inmuebles['Precio'] = inmuebles['Precio'].str.replace('.','',regex=True)
inmuebles['Precio_Millon'] = inmuebles.Precio.astype('float')/1000000
pd.set_option('display.precision',2)
pd.set_option('display.float_format', lambda x: '%.2f' % x)


inmuebles['Valor_m2_Millon'] = inmuebles['Precio_Millon']/inmuebles['Area']
inmuebles.head(3)


inmuebles.groupby('Barrio').mean() #groupby agrupa por barrios


datos_barrio = inmuebles.groupby('Barrio').sum()
datos_barrio


datos_barrio['Valor_m2_Barrio'] = datos_barrio['Precio_Millon']/datos_barrio['Area']
datos_barrio


dict(datos_barrio['Valor_m2_Barrio'])

{'Alameda': 5.979381443298969,
 'Alhambra': 3.95118937287612,
 'Andes Norte': 5.683066361556064,
 'Antonio Nariño': 2.816232272901495,
 'Barrancas': 4.4748338081671415,
 'Barrios Unidos': 2.9599171141243064,
 'Bella Suiza': 6.2905507012394,
 'Bellavista Occidental': 2.522711390635919,
 'Bochica': 3.4078212290502794,
 'Bogotá D.C': 5.212760277629472,
 'Bosa': 2.6778451358697213,
 'Bosa Piamonte': 1.175,
 'Bosa Porvenir': 3.1666666666666665,
 'Bosque De Pinos': 6.046475195822455,
 'Bosque Popular': 3.864097363083164,
 'Boyaca ': 2.637421499815294,
 'Buenos Aires': 2.6,
 'Candelaria La Nueva': 4.0625,
 'Cantagallo': 5.71920581655481,
 'Capellania': 4.316791690709752,
 'Casablanca': 6.245421245421245,
 'Castilla': 3.4035893155258763,
 'Cedritos': 5.027419586695463,
 'Cerros De Suba': 6.202830188679245,
 'Chapinero': 4.58018576602501,
 'Chapinero Alto': 6.4239336492891,
 'Chapinero Central': 6.360286919831224,
 'Chico Navarra': 5.1563019620884605,
 'Chico Norte': 8.353851040924855,
 'Chico Norte Ii': 5.99236641221374,
 'Chico Reservado': 8.104486540013072,
 'Ciudad Berna': 3.028169014084507,
 'Ciudad Bolívar': 3.5194954371992697,
 'Ciudad Salitre': 7.412638847193035,
 'Ciudadela Colsubsidio': 3.210382513661202,
 'Colina Campestre': 4.776341497750727,
 'Colinas De Suba': 6.225,
 'Costa Azul': 2.726628895184136,
 'Eduardo Santos': 2.9102167182662537,
 'El Batán': 5.0067874515333095,
 'El Castillo': 8.472998137802607,
 'El Chicó': 7.648045112781955,
 'El Contador': 5.279454722492697,
 'El Plan': 5.3172697724810405,
 'El Progreso': 3.0346820809248554,
 'El Refugio': 5.847477744807121,
 'El Retiro': 7.122884473877852,
 'El Salitre': 2.7397631133671743,
 'El Tunal': 3.902439024390244,
 'El Virrey': 9.928952042628774,
 'Engativa': 2.887769666800428,
 'Estrada': 2.380952380952381,
 'Florencia': 3.793103448275862,
 'Florida Blanca': 3.173076923076923,
 'Fontibón': 3.723021313477524,
 'Galerias': 4.450757575757576,
 'Galicia': 2.2549019607843137,
 'Gran America': 5.24,
 'Gran Granada': 3.8927665317139004,
 'Gratamira': 4.285714285714286,
 'Gustavo Restrepo': 3.888888888888889,
 'Hayuelos': 4.814082765845993,
 'Ingles': 2.5,
 'Kennedy': 3.382897908271655,
 'La Calleja': 6.582907870377288,
 'La Candelaria': 8.889242669544883,
 'La Estancia': 2.606707317073171,
 'La Estanzuela': 3.0434782608695654,
 'La Granja': 4.985074626865671,
 'La Macarena': 6.756756756756757,
 'La Merced': 8.768292682926829,
 'La Sabana': 2.7948717948717947,
 'La Salle': 6.452695829094608,
 'La Soledad ': 2.888412017167382,
 'La Uribe': 4.266437768240343,
 'Lago De Suba': 4.367816091954023,
 'Lagos De Cordoba': 6.503820682628629,
 'Las Aguas': 4.19016393442623,
 'Las Cruces': 3.6222222222222222,
 'Las Delicias': 2.6536791314837154,
 'Las Ferias': 1.71875,
 'Las Nieves': 5.050710981668665,
 'Las Villas': 4.270504854368932,
 'Libertador': 1.588785046728972,
 'Los Lagartos': 5.637065637065637,
 'Los Mártires': 3.0499725425590336,
 'Los Rosales': 8.208857198335645,
 'Madelena': 2.4595859327850254,
 'Marly': 4.9375,
 'Mazuren': 3.8513890438469263,
 'Metropolis': 4.448767833981842,
 'Mirandela ': 3.9920856610800746,
 'Modelia': 0.16342613076967627,
 'Nicolas De Federman': 5.992745920204822,
 'Niza': 4.409398133247506,
 'Normandia': 4.204753199268739,
 'Nueva Autopista': 5.078665442301806,
 'Nueva Castilla': 4.331550802139038,
 'Nueva Zelandia': 4.173159132007234,
 'Palermo': 3.835207308503162,
 'Parque Central Bavaria': 6.106280193236715,
 'Pasadena ': 5.244227353463588,
 'Patio Bonito': 6.180555555555555,
 'Pinar De Suba': 3.902547770700637,
 'Pontevedra ': 4.665970772442589,
 'Portales Del Norte': 4.5501614639397205,
 'Prado Veraniego': 6.8,
 'Puente Aranda': 3.247774594103762,
 'Puente Largo': 4.383536962205848,
 'Quinta Camacho': 5.430680091363312,
 'Quinta Paredes': 5.302461344272642,
 'Quirigua': 2.611021721641191,
 'Quiroga': 2.588235294117647,
 'Rafael Uribe Uribe': 2.3312523627417128,
 'Restrepo': 2.9242199108469538,
 'Ricaurte': 3.9213349225268175,
 'Roma': 1.3461538461538463,
 'Salitre ': 6.559434391743892,
 'San Antonio Norte': 3.705173184357542,
 'San Cipriano': 4.935483870967742,
 'San Cristobal': 2.9542168674698797,
 'San Diego': 6.081967213114754,
 'San Luis': 3.082656826568266,
 'San Patricio': 6.831854578231803,
 'Santa Ana': 10.254545454545454,
 'Santa Barbara': 5.852628361947598,
 'Santa Fe': 5.754799433180728,
 'Santa Librada': 1.9283536585365855,
 'Santa Maria Del Lago': 5.47008547008547,
 'Santa Paula': 6.486130972268628,
 'Santa Teresa': 5.089707271010387,
 'Sotavento': 5.286447124304267,
 'Suba': 4.323720522957072,
 'Teusaquillo': 3.975204301767717,
 'Timiza': 2.33203125,
 'Tintala': 3.7991992442958873,
 'Tunjuelito': 2.381058318766884,
 'Turingia': 5.0,
 'Usaquén': 5.65558134903221,
 'Usme': 3.847569525590091,
 'Venecia': 2.939297124600639,
 'Veraguas': 3.1222466960352424,
 'Verbenal': 4.922480620155039,
 'Villa Alsacia': 4.139391447368421,
 'Villa Maria': 1.9446713702190865,
 'Villas De Granada': 3.2601706036745406,
 'Villemar': 3.9515895953757227,
 'Zona Franca': 2.962962962962963,
 'Zona Noroccidental': 4.572008510026535}


m2_barrio = dict(datos_barrio['Valor_m2_Barrio'])


inmuebles['Valor_m2_Barrio'] = inmuebles['Barrio']
inmuebles['Valor_m2_Barrio'] = inmuebles['Valor_m2_Barrio'].map(m2_barrio)
inmuebles.head(3)


inmuebles['Barrio'].value_counts

<bound method IndexOpsMixin.value_counts of 0           Zona Noroccidental
1                     Castilla
2              Chico Reservado
3                      Usaquén
4                  Bella Suiza
                 ...          
9515                   Kennedy
9516    Parque Central Bavaria
9517                  Restrepo
9518                  Engativa
9519                   Tintala
Name: Barrio, Length: 9520, dtype: object>


inmuebles['Barrio'].value_counts()[:10]

Usaquén               1105
Zona Noroccidental     877
Bosa                   589
Kennedy                589
Cedritos               554
Barrios Unidos         473
Engativa               462
Suba                   443
Santa Barbara          438
Chapinero              332
Name: Barrio, dtype: int64


inmuebles['Barrio'].value_counts()[:10].index

Index(['Usaquén', 'Zona Noroccidental', 'Bosa', 'Kennedy', 'Cedritos',
       'Barrios Unidos', 'Engativa', 'Suba', 'Santa Barbara', 'Chapinero'],
      dtype='object')


top_barrios = inmuebles['Barrio'].value_counts()[:10].index


datos_barrio.reset_index(inplace=True)
datos_barrio


datos_barrio.query('Barrio in @top_barrios')


import matplotlib.pyplot as plt
import seaborn as sns


plt.figure(figsize=(10,8))
ax = sns.barplot(x='Barrio', y='Valor_m2_Barrio', data = datos_barrio.query('Barrio in @top_barrios'))
ax.tick_params(axis='x', rotation=45)


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()


plt.figure(figsize=(10,8))
ax = sns.boxplot(x='Barrio', y='Area', data = inmuebles.query('Barrio in @top_barrios & Area < 500'))
ax.tick_params(axis='x', rotation=45)
plt.show()


plt.figure(figsize=(10,8))
ax = sns.boxplot(x='Barrio', y='Precio_Millon', data = inmuebles.query('Barrio in @top_barrios & Precio_Millon < 2000'))
ax.tick_params(axis='x', rotation=45)
plt.show()


datos_raw = pd.read_csv('/content/drive/MyDrive/inmersion_datos/Identificacion (Capítulo A).csv',sep=';',encoding='latin-1')
datos_raw.head()


datos_raw.shape

(106467, 11)


datos_raw = datos_raw.loc[datos_raw.MPIO == 11001]
datos_raw.shape

(86504, 11)


datos_b = pd.read_csv('/content/drive/MyDrive/inmersion_datos/Datos de la vivenda y su entorno (Capítulo B).csv',sep=';',encoding='latin-1')
datos_c = pd.read_csv('/content/drive/MyDrive/inmersion_datos/Condiciones habitacionales del hogar (Capítulo C).csv',sep=';',encoding='latin-1')
datos_e = pd.read_csv('/content/drive/MyDrive/inmersion_datos/Composición del hogar y demografía (Capítulo E).csv',sep=';',encoding='latin-1')
datos_h = pd.read_csv('/content/drive/MyDrive/inmersion_datos/Educacion (Capítulo H).csv',sep=';',encoding='latin-1')
datos_l = pd.read_csv('/content/drive/MyDrive/inmersion_datos/Percepcion sobre las condiciones de vida y el desempenio institucional (Capítulo L).csv',sep=';',encoding='latin-1')
datos_k = pd.read_csv('/content/drive/MyDrive/inmersion_datos/Fuerza de trabajo (Capítulo K).csv',sep=';',encoding='latin-1')

<ipython-input-80-bc08870e4f76>:2: DtypeWarning: Columns (4,25,30,47) have mixed types. Specify dtype option on import or set low_memory=False.
  datos_c = pd.read_csv('/content/drive/MyDrive/inmersion_datos/Condiciones habitacionales del hogar (Capítulo C).csv',sep=';',encoding='latin-1')
<ipython-input-80-bc08870e4f76>:3: DtypeWarning: Columns (66) have mixed types. Specify dtype option on import or set low_memory=False.
  datos_e = pd.read_csv('/content/drive/MyDrive/inmersion_datos/Composición del hogar y demografía (Capítulo E).csv',sep=';',encoding='latin-1')
<ipython-input-80-bc08870e4f76>:4: DtypeWarning: Columns (81) have mixed types. Specify dtype option on import or set low_memory=False.
  datos_h = pd.read_csv('/content/drive/MyDrive/inmersion_datos/Educacion (Capítulo H).csv',sep=';',encoding='latin-1')
<ipython-input-80-bc08870e4f76>:5: DtypeWarning: Columns (114,117,122,126,164,166,168) have mixed types. Specify dtype option on import or set low_memory=False.
  datos_l = pd.read_csv('/content/drive/MyDrive/inmersion_datos/Percepcion sobre las condiciones de vida y el desempenio institucional (Capítulo L).csv',sep=';',encoding='latin-1')
<ipython-input-80-bc08870e4f76>:6: DtypeWarning: Columns (27,58,60,62,64,66,104,114,120,124,126,129,131,133) have mixed types. Specify dtype option on import or set low_memory=False.
  datos_k = pd.read_csv('/content/drive/MyDrive/inmersion_datos/Fuerza de trabajo (Capítulo K).csv',sep=';',encoding='latin-1')


datos_dane = pd.merge(datos_raw, datos_b, on='DIRECTORIO', how='left')
datos_dane.shape

(86504, 73)


datos_dane = pd.merge(datos_dane, datos_c, on='DIRECTORIO', how='left')
datos_dane.shape

<ipython-input-83-5701787f6fee>:1: FutureWarning: Passing 'suffixes' which cause duplicate columns {'FEX_C_x'} in the result is deprecated and will raise a MergeError in a future version.
  datos_dane = pd.merge(datos_dane, datos_c, on='DIRECTORIO', how='left')

(238559, 281)


datos_dane = pd.merge(datos_dane, datos_e, on='DIRECTORIO', how='left')


datos_dane.shape

(832079, 348)


datos_dane.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 832079 entries, 0 to 832078
Columns: 348 entries, DIRECTORIO to FEX_C
dtypes: float64(190), int64(141), object(17)
memory usage: 2.2+ GB

	Tipo	Descripcion	Habitaciones	Banos	Area	Barrio	UPZ	Valor	Moneda	Precio	Precio_Millon	Valor_m2_Millon
0	Apartamento	Apartamento en venta en Zona Noroccidental	3	2	70	Zona Noroccidental	CHAPINERO: Pardo Rubio + Chapinero	$ 360.000.000	$	360000000	360.00	5.14
1	Casa	Casa en venta en Castilla	4	3	170	Castilla	KENNEDY: Castilla + Bavaria	$ 670.000.000	$	670000000	670.00	3.94
2	Apartamento	Apartamento en venta en Chico Reservado	3	3	144	Chico Reservado	CHAPINERO: Chicó Lago + El Refugio	$ 1.120.000.000	$	1120000000	1120.00	7.78

	Habitaciones	Banos	Area	Precio_Millon	Valor_m2_Millon
Barrio
Alameda	3.00	2.00	97.00	580.00	5.98
Alhambra	3.00	2.94	190.41	752.35	4.33
Andes Norte	3.00	2.86	124.86	709.57	6.05
Antonio Nariño	4.31	2.50	163.06	459.22	3.53
Barrancas	2.87	2.13	70.20	314.13	4.42
...	...	...	...	...	...
Villa Maria	4.69	3.69	207.15	402.85	2.04
Villas De Granada	3.45	2.32	86.59	282.30	3.17
Villemar	2.94	2.06	76.89	303.83	3.99
Zona Franca	2.00	1.00	54.00	160.00	2.96
Zona Noroccidental	3.17	2.51	135.79	620.81	4.62

	Tipo	Descripcion	Habitaciones	Banos	Area	Barrio	UPZ	Valor	Moneda	Precio	Precio_Millon	Valor_m2_Millon	Valor_m2_Barrio
0	Apartamento	Apartamento en venta en Zona Noroccidental	3	2	70	Zona Noroccidental	CHAPINERO: Pardo Rubio + Chapinero	$ 360.000.000	$	360000000	360.00	5.14	4.57
1	Casa	Casa en venta en Castilla	4	3	170	Castilla	KENNEDY: Castilla + Bavaria	$ 670.000.000	$	670000000	670.00	3.94	3.40
2	Apartamento	Apartamento en venta en Chico Reservado	3	3	144	Chico Reservado	CHAPINERO: Chicó Lago + El Refugio	$ 1.120.000.000	$	1120000000	1120.00	7.78	8.10

	index	Barrio	Habitaciones	Banos	Area	Precio_Millon	Valor_m2_Millon	Valor_m2_Barrio
5	5	Barrios Unidos	1525	1196	87799	259877.76	2070.61	2.96
10	10	Bosa	1743	789	34879	93400.56	1654.36	2.68
22	22	Cedritos	1458	1348	53711	270027.73	2853.23	5.03
24	24	Chapinero	892	913	81248	372130.93	2466.03	4.58
50	50	Engativa	1676	1077	59808	172711.73	1795.71	2.89
63	63	Kennedy	2151	1233	61475	207963.65	2127.66	3.38
125	125	Santa Barbara	1073	1162	54693	320097.80	2701.88	5.85
132	132	Suba	1497	1202	61615	266406.04	2000.72	4.32
138	138	Usaquén	3109	3044	148121	837710.36	6334.04	5.66
148	148	Zona Noroccidental	2778	2204	119084	544453.06	4049.16	4.57

	DIRECTORIO	DPTO	MPIO	CLASE	COD_LOCALIDAD	NOMBRE_LOCALIDAD	COD_UPZ_GRUPO	NOMBRE_UPZ_GRUPO	ESTRATO2021	NOMBRE_ESTRATO	FEX_C
0	3004346.00	11	11001	1	3.00	Santa Fe	814.00	SANTA FE: Las Nieves + Sagrado Corazón	11001187	SANTA FE: Las Nieves + Sagrado Corazón	13,2266692027239
1	3004347.00	11	11001	1	14.00	Los Mártires	37.00	Santa Isabel	11001162	Santa Isabel	17,8555889419101
2	3004348.00	11	11001	1	3.00	Santa Fe	814.00	SANTA FE: Las Nieves + Sagrado Corazón	11001187	SANTA FE: Las Nieves + Sagrado Corazón	10,0286103658331
3	3004349.00	11	11001	1	1.00	Usaquén	803.00	USAQUÉN: Country Club + Santa Bárbara	11001176	USAQUÉN: Country Club + Santa Bárbara	28,6502122142802
4	3004350.00	11	11001	1	1.00	Usaquén	803.00	USAQUÉN: Country Club + Santa Bárbara	11001176	USAQUÉN: Country Club + Santa Bárbara	24,4684068319009

CLASE 03 - PROFUNDIZANDO EL ANÁLISIS EXPLORATORIO

Aula 3¶