¿Y si alquilamos un departamento?
- 1. Introducción
- 2. Metodología de trabajo
- 3. El dataframe
- 4. Distribución de Ofertas de Alquiler por Barrio en la Ciudad Autónoma de Buenos Aires
Introducción
Hace poco, consideré la posibilidad de mudarme cerca de mi lugar de trabajo para mejorar mi calidad de vida. Esto me permitiría descansar más horas, evitar el tráfico, dedicar más tiempo a mis estudios e incluso ahorrar dinero en pasajes.
Esta idea generó otras preguntas. ¿Habrá poca o mucha oferta de departamentos en alquiler en la Ciudad Autónoma de Buenos Aires? ¿Cuál es el valor promedio de los alquileres? ¿Es posible que en los barrios con mayor oferta el precio sea más accesible? Y en cuanto a las expensas, ¿cuál es su valor promedio? Muchas preguntas y pocas respuestas.
Decidí ponerme manos a la obra y comencé a buscar alquileres en la plataforma de Mercado Libre. Tomé nota de algunos valores, pero me pregunté: ¿por qué no abordar este tarea de manera más profesional y analítica? Fue en ese momento cuando decidí emprender un nuevo proyecto de Análisis de Datos que pudiera compartir con la comunidad a través de mi sitio web.
Metodología y Flujo de Trabajo
Este trabajo abarca tres etapas centrales que siguen los procesos clásicos de ETL (Extracción, Transformación y Load) y EDA (Exploration Data Analysis). En la primera fase, se realizó la extracción de información utilizando Python como lenguaje de programación, y la librería de Selenium WebDriver para el scraping.
En la segunda etapa del proceso ETL, opté por PostgreSQL como lenguaje de consulta para llevar a cabo la transformación y limpieza del dataset obtenido en la fase anterior. Esta tarea incluyó la eliminación de registros duplicados, el manejo de valores nulos, así como la normalización y estandarización de las categorías en el conjunto de datos, entre otras acciones necesarias.
El dataframe
Nuestro dataframe final, luego de someterlo a un exhaustivo proceso de transformación y limpieza de los datos, agrupa un total de 1747 registros con 21 variables entre categóricas y numéricas.
El proceso de limpieza se llevó a cabo con PostgreSQL en el entorno de Visual Studio Code. Sólo por mencionar algunas de las tareas centrales durante esta etapa, se detallan las siguientes acciones:
- A. Eliminación de los registros duplicados.
- B. Tratamiento de los valores nulos.
- C. Modelado y creación de la base de datos y su tabla.
- D. Normalización de los valores de las categorías "m2_totales", "m2_cubiertos", y "m2_balcon".
- E. Normalización y conversión de los valores en dólares a pesos argentinos.
Si te interesa leer el código, podés hacerlo haciendo click aquí. A continuación, te dejo una tabla que sintetiza los aspectos centrales de nuestro conjunto de datos.
Categoría | Valores No Nulos | Tipo de Valor | Descripción |
---|---|---|---|
id_publicacion | 1747 | varchar | Id de la publicación provisto por ML |
tipo | 1747 | varchar | "Departamento en alquiler" |
titulo | 1747 | varchar | Título de la publicación |
admite_mascotas | 346 | varchar | SI o NO |
disposicion | 958 | varchar | Frente/Contrafrente/Lateral/Interno |
orientacion | 605 | varchar | Norte/Sur/Este/Oeste |
amoblado | 1048 | varchar | SI o NO |
moneda_precio | 1747 | varchar | ($) Pesos Argentinos |
temp_id | 1747 | integer | Id temporal para operaciones |
barrio | 1747 | varchar | Barrio en donde se encuentra el inmueble |
m2_totales | 1747 | integer | Metros cuadrados totales |
m2_cubiertos | 1685 | integer | Metros cuadrados cubiertos |
m2_balcon | 220 | integer | Metros cuadrados del balcón |
ambientes | 1747 | integer | Cantidad de ambientes |
dormitorios | 1747 | integer | Cantidad de dormitorios |
banios | 1747 | integer | Cantidad de baños |
cocheras | 1747 | integer | Cantidad de cocheras |
ubicacion_piso | 373 | integer | El piso en el que se encuentra el inmueble |
antiguedad_en_anios | 1584 | integer | Antiguedad del inmueble |
precio | 1747 | integer | Precio en pesos argentinos |
expensas | 1570 | integer | Precio de las expensas en pesos argentinos |
Distribución de Ofertas de Alquiler por Barrio en la Ciudad Autónoma de Buenos Aires
El universo de los 1747 departamentos en alquiler comprende 44 barrios de la Ciudad Autónoma de Buenos Aires, con una media de 41 ofertas por barrio.
En la cúspide de la distribución, Palermo destaca con 297 alquileres, representando el 17% del total. En contraste, La Boca ocupa el último lugar con tan sólo 1 departamento en alquiler.
Esta sección incluye un top 5 de barrios con mayor oferta inmobiliaria, junto con un mapa cloropeth que ilustra la distribución del mercado por barrio. En el mapa podemos observar que el conglomerado integrado por Palermo, Belgrano y Recoleta lidera como el mayor contribuyente al sector inmobiliario representando del 38.8% de la oferta total.
Mapa cloropeth interactivo con todos los barrios oferentes:
Características estructurales de los departamentos ofertados.
En base a nuestro análisis, establecimos la distribución de los departamentos en función de aspectos estructurales del inmueble tales como, la cantidad de ambientes, cantidad de dormitorios,