Most Profitable Neighborhoods For AirBnb

JPierre-DATA ANALIST

ANÁLISIS INICIAL DE FICHEROS Y PREPARACIÓN DEL CASO¶

Usaremos datos reales ofrecidos por AirBnB en esta página: http://insideairbnb.com/get-the-data.html

Quedarnos sólo con las tablas que nos vayan a resultar útiles
Cargar toda la info a una base de datos para practicar con este formato, ya que será el más habitual en entornos empresariales

SETUP¶

In [1]:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
from IPython import display
import sqlalchemy as sa
from sqlalchemy import inspect
import folium


#Automcompletar rápido
%config IPCompleter.greedy=True

ENTENDER LOS FICHEROS¶

En la web de AirBnB podemos ver la descripción de las tablas:

In [2]:

display.Image("../../../99_Media/airbnb_ficheros.jpg")

Out[2]:

Cargamos y entendemos listings agregados¶

In [3]:

listings = pd.read_csv('../Datos/listings.csv')

In [4]:

listings.head()

Out[4]:

	id	name	host_id	host_name	neighbourhood_group	neighbourhood	latitude	longitude	room_type	price	minimum_nights	number_of_reviews	last_review	reviews_per_month	calculated_host_listings_count	availability_365	number_of_reviews_ltm	license
0	6369	Rooftop terrace room , ensuite bathroom	13660	Simon	Chamartín	Hispanoamérica	40.45724	-3.67688	Private room	60	1	80	2019-05-14	1.21	2	180	4	NaN
1	21853	Bright and airy room	83531	Abdel	Latina	Cármenes	40.40381	-3.74130	Private room	31	4	33	2018-05-29	0.39	2	364	0	NaN
2	23001	Apartmento Arganzuela- Madrid Rio	82175	Jesus	Arganzuela	Legazpi	40.38840	-3.69511	Entire home/apt	50	15	0	NaN	NaN	5	222	0	NaN
3	24805	Gran Via Studio Madrid	346366726	A	Centro	Universidad	40.42183	-3.70529	Entire home/apt	92	5	12	2020-03-01	0.51	1	115	2	NaN
4	26825	Single Room whith private Bathroom	114340	Agustina	Arganzuela	Legazpi	40.38975	-3.69018	Private room	26	2	149	2018-05-15	1.65	1	349	0	NaN

In [5]:

listings.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 18909 entries, 0 to 18908
Data columns (total 18 columns):
 #   Column                          Non-Null Count  Dtype  
---  ------                          --------------  -----  
 0   id                              18909 non-null  int64  
 1   name                            18906 non-null  object 
 2   host_id                         18909 non-null  int64  
 3   host_name                       18883 non-null  object 
 4   neighbourhood_group             18909 non-null  object 
 5   neighbourhood                   18909 non-null  object 
 6   latitude                        18909 non-null  float64
 7   longitude                       18909 non-null  float64
 8   room_type                       18909 non-null  object 
 9   price                           18909 non-null  int64  
 10  minimum_nights                  18909 non-null  int64  
 11  number_of_reviews               18909 non-null  int64  
 12  last_review                     13877 non-null  object 
 13  reviews_per_month               13877 non-null  float64
 14  calculated_host_listings_count  18909 non-null  int64  
 15  availability_365                18909 non-null  int64  
 16  number_of_reviews_ltm           18909 non-null  int64  
 17  license                         2828 non-null   object 
dtypes: float64(3), int64(8), object(7)
memory usage: 2.6+ MB

Cargamos y entendemos listings detalle¶

In [6]:

listings_det = pd.read_csv('../Datos/listings.csv.gz',compression='gzip')

In [7]:

listings_det.head()

Out[7]:

	id	listing_url	scrape_id	last_scraped	name	description	neighborhood_overview	picture_url	host_id	host_url	...	review_scores_communication	review_scores_location	review_scores_value	license	instant_bookable	calculated_host_listings_count	calculated_host_listings_count_entire_homes	calculated_host_listings_count_private_rooms	reviews_per_month
0	6369	https://www.airbnb.com/rooms/6369	20210910193531	2021-09-11	Rooftop terrace room , ensuite bathroom	Excellent connection with the AIRPORT and EXHI...	NaN	https://a0.muscache.com/pictures/683224/4cc318...	13660	https://www.airbnb.com/users/show/13660	...	4.89	4.77	4.85	NaN	f	2	0	2	1.21
1	21853	https://www.airbnb.com/rooms/21853	20210910193531	2021-09-11	Bright and airy room	We have a quiet and sunny room with a good vie...	We live in a leafy neighbourhood with plenty o...	https://a0.muscache.com/pictures/68483181/87bc...	83531	https://www.airbnb.com/users/show/83531	...	4.82	4.21	4.67	NaN	f	2	0	2	0.39
2	23001	https://www.airbnb.com/rooms/23001	20210910193531	2021-09-11	Apartmento Arganzuela- Madrid Rio	Apartamento de tres dormitorios dobles, gran s...	Barrio Arganzuela, junto a Madrid Rio, zonas c...	https://a0.muscache.com/pictures/58e6a770-509c...	82175	https://www.airbnb.com/users/show/82175	...	NaN	NaN	NaN	NaN	f	5	4	1	NaN
3	24805	https://www.airbnb.com/rooms/24805	20210910193531	2021-09-11	Gran Via Studio Madrid	Studio located 50 meters from Gran Via, next t...	The area is next to the Gran Via, so people li...	https://a0.muscache.com/pictures/miso/Hosting-...	346366726	https://www.airbnb.com/users/show/346366726	...	5.00	5.00	4.83	NaN	f	1	1	0	0.51
4	26825	https://www.airbnb.com/rooms/26825	20210910193531	2021-09-11	Single Room whith private Bathroom	Nice and cozy roon for one person with a priva...	Es un barrio muy tranquilo, en una zona de Mad...	https://a0.muscache.com/pictures/149358/218d5b...	114340	https://www.airbnb.com/users/show/114340	...	4.71	4.70	4.72	NaN	f	1	0	1	1.65

5 rows × 74 columns

In [8]:

listings_det.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 18909 entries, 0 to 18908
Data columns (total 74 columns):
 #   Column                                        Non-Null Count  Dtype  
---  ------                                        --------------  -----  
 0   id                                            18909 non-null  int64  
 1   listing_url                                   18909 non-null  object 
 2   scrape_id                                     18909 non-null  int64  
 3   last_scraped                                  18909 non-null  object 
 4   name                                          18906 non-null  object 
 5   description                                   17854 non-null  object 
 6   neighborhood_overview                         10997 non-null  object 
 7   picture_url                                   18908 non-null  object 
 8   host_id                                       18909 non-null  int64  
 9   host_url                                      18909 non-null  object 
 10  host_name                                     18883 non-null  object 
 11  host_since                                    18883 non-null  object 
 12  host_location                                 18841 non-null  object 
 13  host_about                                    9427 non-null   object 
 14  host_response_time                            11972 non-null  object 
 15  host_response_rate                            11972 non-null  object 
 16  host_acceptance_rate                          11531 non-null  object 
 17  host_is_superhost                             18883 non-null  object 
 18  host_thumbnail_url                            18883 non-null  object 
 19  host_picture_url                              18883 non-null  object 
 20  host_neighbourhood                            12034 non-null  object 
 21  host_listings_count                           18883 non-null  float64
 22  host_total_listings_count                     18883 non-null  float64
 23  host_verifications                            18909 non-null  object 
 24  host_has_profile_pic                          18883 non-null  object 
 25  host_identity_verified                        18883 non-null  object 
 26  neighbourhood                                 10997 non-null  object 
 27  neighbourhood_cleansed                        18909 non-null  object 
 28  neighbourhood_group_cleansed                  18909 non-null  object 
 29  latitude                                      18909 non-null  float64
 30  longitude                                     18909 non-null  float64
 31  property_type                                 18909 non-null  object 
 32  room_type                                     18909 non-null  object 
 33  accommodates                                  18909 non-null  int64  
 34  bathrooms                                     0 non-null      float64
 35  bathrooms_text                                18884 non-null  object 
 36  bedrooms                                      17475 non-null  float64
 37  beds                                          18568 non-null  float64
 38  amenities                                     18909 non-null  object 
 39  price                                         18909 non-null  object 
 40  minimum_nights                                18909 non-null  int64  
 41  maximum_nights                                18909 non-null  int64  
 42  minimum_minimum_nights                        18908 non-null  float64
 43  maximum_minimum_nights                        18908 non-null  float64
 44  minimum_maximum_nights                        18908 non-null  float64
 45  maximum_maximum_nights                        18908 non-null  float64
 46  minimum_nights_avg_ntm                        18908 non-null  float64
 47  maximum_nights_avg_ntm                        18908 non-null  float64
 48  calendar_updated                              0 non-null      float64
 49  has_availability                              18909 non-null  object 
 50  availability_30                               18909 non-null  int64  
 51  availability_60                               18909 non-null  int64  
 52  availability_90                               18909 non-null  int64  
 53  availability_365                              18909 non-null  int64  
 54  calendar_last_scraped                         18909 non-null  object 
 55  number_of_reviews                             18909 non-null  int64  
 56  number_of_reviews_ltm                         18909 non-null  int64  
 57  number_of_reviews_l30d                        18909 non-null  int64  
 58  first_review                                  13877 non-null  object 
 59  last_review                                   13877 non-null  object 
 60  review_scores_rating                          13877 non-null  float64
 61  review_scores_accuracy                        13638 non-null  float64
 62  review_scores_cleanliness                     13640 non-null  float64
 63  review_scores_checkin                         13640 non-null  float64
 64  review_scores_communication                   13640 non-null  float64
 65  review_scores_location                        13637 non-null  float64
 66  review_scores_value                           13636 non-null  float64
 67  license                                       2828 non-null   object 
 68  instant_bookable                              18909 non-null  object 
 69  calculated_host_listings_count                18909 non-null  int64  
 70  calculated_host_listings_count_entire_homes   18909 non-null  int64  
 71  calculated_host_listings_count_private_rooms  18909 non-null  int64  
 72  calculated_host_listings_count_shared_rooms   18909 non-null  int64  
 73  reviews_per_month                             13877 non-null  float64
dtypes: float64(22), int64(17), object(35)
memory usage: 10.7+ MB

Conclusiones:

Son los mismos registros pero el fichero de detalle tiene más columnas.
Podríamos unirlas mediante el campo id

Conclusiones del análisis de ficheros¶

Tablas principales que usaremos:
- listings.csv
- listings.csv.gz

CREACIÓN DE UNA BASE DE DATOS¶

Creamos la conexión:

In [9]:

con = sa.create_engine('sqlite:///../Datos/datos_2/airbnb.db')

Creamos las tablas y cargamos los datos

In [10]:

listings.to_sql('listings_2', con = con, if_exists = 'replace')
listings_det.to_sql('listings_det_2', con = con, if_exists = 'replace')

Out[10]:

JPierre-DATA ANALIST

CREACIÓN DEL DATAMART ANALÍTICO¶

In [11]:

insp = inspect(con)
tablas = insp.get_table_names()
tablas

Out[11]:

['df',
 'df_preparado',
 'listings',
 'listings_2',
 'listings_det',
 'listings_det_2']

In [12]:

#carga de las tablas que vamos a usar
listings = pd.read_sql('listings_2', con)
listings_det = pd.read_sql('listings_det_2', con)

Datos Externos¶

En esta página tenemos justo la info que necesitamos para crear la tabla de precios de venta: https://www.idealista.com/sala-de-prensa/informes-precio-vivienda/venta/madrid-comunidad/madrid-provincia/madrid/

In [13]:

#Cargamos los datos, quitamos el primer registro y seleccionamos solo las columnas de precio y distrito

precio_m2 = pd.read_csv('../Datos/idealista.csv') \
    .loc[1:,['table__cell','icon-elbow']] \
    .rename(columns = {'table__cell':'precio_m2','icon-elbow':'distrito'})
precio_m2

Out[13]:

	precio_m2	distrito
1	4.085 €/m2	Arganzuela
2	3.409 €/m2	Barajas
3	2.123 €/m2	Carabanchel
4	4.827 €/m2	Centro
5	5.098 €/m2	Chamartín
6	5.381 €/m2	Chamberí
7	2.940 €/m2	Ciudad Lineal
8	3.568 €/m2	Fuencarral
9	3.871 €/m2	Hortaleza
10	2.267 €/m2	Latina
11	4.033 €/m2	Moncloa
12	2.500 €/m2	Moratalaz
13	1.918 €/m2	Puente de Vallecas
14	4.788 €/m2	Retiro
15	6.114 €/m2	Salamanca
16	2.591 €/m2	San Blas
17	3.678 €/m2	Tetuán
18	1.995 €/m2	Usera
19	2.403 €/m2	Vicálvaro
20	2.354 €/m2	Villa de Vallecas
21	1.693 €/m2	Villaverde

Limpiamos el precio:

quitando la unidad
quitando los puntos de separador de miles
cambiando el tipo a entero

In [14]:

precio_m2['precio_m2'] = precio_m2.precio_m2.str.split(expand = True)[0].str.replace('.','',regex=False).astype('int')
precio_m2

Out[14]:

	precio_m2	distrito
1	4085	Arganzuela
2	3409	Barajas
3	2123	Carabanchel
4	4827	Centro
5	5098	Chamartín
6	5381	Chamberí
7	2940	Ciudad Lineal
8	3568	Fuencarral
9	3871	Hortaleza
10	2267	Latina
11	4033	Moncloa
12	2500	Moratalaz
13	1918	Puente de Vallecas
14	4788	Retiro
15	6114	Salamanca
16	2591	San Blas
17	3678	Tetuán
18	1995	Usera
19	2403	Vicálvaro
20	2354	Villa de Vallecas
21	1693	Villaverde

En esta sección se crea el datamart luego de un proceso de limpieza de datos. Se unifica todo en una tabla de a base de datos para mayor eficiencia.

In [15]:

#creacion de conexion y carga de la tabla df

con = sa.create_engine('sqlite:///../Datos/datos_2/airbnb.db')

df = pd.read_sql('df_preparado', con = con)

df.head()

Out[15]:

	level_0	index	id	name	host_id	neighbourhood_group	neighbourhood	latitude	longitude	room_type	...	distrito	precio_total	ocupacion	bedrooms_disc	accommodates_disc	beds_disc	number_of_reviews_disc	m2	precio_compra	pdi_sol
0	0	0	6369	Rooftop terrace room , ensuite bathroom	13660	Chamartín	Hispanoamérica	40.45724	-3.67688	Private room	...	Chamartín	60.0	50	01_Una	0-3	1	49-744	50	178430.0	5.032039
1	1	1	21853	Bright and airy room	83531	Latina	Cármenes	40.40381	-3.74130	Private room	...	Latina	31.0	0	01_Una	0-3	1	5-48	50	79345.0	3.521406
2	2	2	23001	Apartmento Arganzuela- Madrid Rio	82175	Arganzuela	Legazpi	40.38840	-3.69511	Entire home/apt	...	Arganzuela	50.0	39	03_Tres	5-16	3-23	0-4	90	257355.0	3.226963
3	3	3	24805	Gran Via Studio Madrid	346366726	Centro	Universidad	40.42183	-3.70529	Entire home/apt	...	Centro	92.0	68	01_Una	0-3	1	5-48	50	168945.0	0.591065
4	4	4	26825	Single Room whith private Bathroom	114340	Arganzuela	Legazpi	40.38975	-3.69018	Private room	...	Arganzuela	26.0	4	01_Una	0-3	1	49-744	50	142975.0	3.200942

5 rows × 35 columns

In [16]:

#Generacion de un minicubo para nuestros analisis.

In [17]:

#Minicubo:

metricas = ['precio_total','precio_compra']
dimensiones = ['bedrooms_disc','accommodates_disc','beds_disc','number_of_reviews_disc']

minicubo_precio = df[dimensiones + metricas]

minicubo_precio = minicubo_precio.melt(id_vars=['precio_total','precio_compra'])

minicubo_precio = minicubo_precio.groupby(['variable','value'])[['precio_total','precio_compra']].agg('median')

JPierre-DATA ANALIST

CONCLUSIONES EJECUTIVAS¶

Se han localizado 10 barrios en los que centrar la búsqueda
Se recomienda buscar inmuebles con un habitación que permitan alojar 3 huéspedes
Se recomienda buscar inmuebles que estando en uno de los barrios identificados no estén necesariamente cerca de puntos de interés
Se recomienda evaluar el desarrollo de un nuevo producto basado en el alquier para momentos concretos de alto interés deportivo, especialmente en el barrio de San Blas

DETALLE DE LOS PRINCIPALES RESULTADOS¶

Existen 10 barrios con alto potencial de inversión¶

Se han localizado 10 barrios que apriori pueden maximizar la relación coste-ingresos
Además podemos segmentarlos por el tipo calidad del inmueble en el que nos interes invertir en 4 grandes grupos
Estos son los 10 barrios donde comenzar a buscar oportunidades concretas:
- Inversión baja: Simancas, Ambroz, Marroquina, San Juan Bautista
- Inversión media: El Plantio, Valdemarín, Valdefuentes
- Inversión media-alta: Jerónimos, Fuentela reina
- Inversión alta: Recoletos

Exhibit 1.4.1

In [18]:

no_incluir = ['Rosas','Arcos','Canillejas','Hellín']

temp = df.groupby('neighbourhood')[['precio_total','precio_compra']].median()

temp = temp[~temp.index.isin(no_incluir)]

plt.figure(figsize = (16,12))
sns.set_style('darkgrid')
sns.scatterplot(data = temp, x = 'precio_compra', y = 'precio_total')
#Ponemos las etiquetas
for cada in range(0,temp.shape[0]):
    plt.text(temp.precio_compra[cada], temp.precio_total[cada], temp.index[cada])

Buscar inmuebles de una habitación que permitan 3 huéspedes¶

El número de huéspedes que maximiza el precio de compra pagado es de 3

Exhibit 1.4.2

In [19]:

f, ax = plt.subplots()
ax.plot(minicubo_precio.loc['accommodates_disc'].precio_total)
ax2 = ax.twinx()
ax2.plot(minicubo_precio.loc['accommodates_disc'].precio_compra,color = 'green');

Buscar inmuebles que estando en uno de los barrios identificados no estén necesariamente cerca de puntos de interés¶

Previsiblemente tendrán menor precio de compra
Parece que la cercanía a puntos de interés no tiene un especial impacto sobre el precio del alquiler

Exhibit 1.4.3

In [20]:

seleccion = df.groupby('distrito').pdi_sol.median().sort_values()[0:7].index.to_list()

plt.figure(figsize = (16,12))
sns.scatterplot(data = df.loc[df.distrito.isin(seleccion)], x = 'pdi_sol', y = 'precio_total');

Evaluar el desarrollo de un nuevo producto basado en el alquier para momentos concretos de alto interés deportivo¶

Buscar oportunidades en el barrio de San Blas
Todavía existen muchos alquileres que no están explotando este potencial

Exhibit 1.4.4

In [21]:

temp = df.groupby('distrito')[['precio_total','precio_compra']].median()

plt.figure(figsize = (16,8))
sns.scatterplot(data = temp, x = 'precio_compra', y = 'precio_total')
#Ponemos las etiquetas
for cada in range(0,temp.shape[0]):
    plt.text(temp.precio_compra[cada], temp.precio_total[cada], temp.index[cada])

Exhibit 1.4.5

In [22]:

datos = df[df.distrito == 'San Blas - Canillejas'].copy()

datos['precio_total_disc'] = pd.qcut(datos['precio_total'], q = [0, .25, .5, .75, 1.], 
                              labels=['yellow', 'orange', 'blue', 'red'])

mapa = folium.Map(location=[datos.iloc[0,7], datos.iloc[0,8]],zoom_start=14)

for piso in range(0,len(datos)):
   folium.CircleMarker(
      location = [datos.iloc[piso]['latitude'], datos.iloc[piso]['longitude']],
      popup = datos.iloc[piso]['precio_total'],
      fill=True,
      color = datos.iloc[piso]['precio_total_disc'],
      fill_opacity=1,
      radius = 5
   ).add_to(mapa)

mapa

Out[22]:

Make this Notebook Trusted to load map: File -> Trust Notebook

Visita mi perfil en GitHub ➡️