О чем проект?
Целью данного проекта является выявление ключевых экономических закономерностей на рынке жилой недвижимости США. Анализ направлен на понимание того, как географическое положение (близость к океану), количество жилых комнат и общая площадь строения влияют на рыночную стоимость объекта. Этот проект помогает потенциальным инвесторам и покупателям оценить «перегретость» рынков в разных штатах и понять справедливую стоимость квадратного фута жилья. Основная гипотеза заключается в том, что стоимость недвижимости в прибрежных штатах (Coastal States) значительно превышает стоимость во внутренних регионах, даже при сопоставимых технических характеристиках объектов.
Откуда данные?
Для анализа использовался открытый набор данных «USA Real Estate Dataset» с сайта Kaggle, содержащий более 2 миллионов записей о продаже недвижимости. Данные включают информацию о цене, количестве спален и ванных комнат, площади участка, штате и городе.
Плакатная инфографика
Мокапы
Как было сделано?
Процесс подготовки визуализаций и анализа включал следующие этапы: 1.Обработка данных (Python): С помощью библиотеки pandas была проведена очистка данных (удаление выбросов, таких как объекты стоимостью более $10 млн или площадью менее 100 кв. футов). Был произведен расчет нового показателя — цены за квадратный фут. 2. Подготовка для Datawrapper: Данные были агрегированы и экспортированы в формате CSV. Для каждого типа диаграммы создавался отдельный лист, где колонки были переименованы на русский язык для корректного отображения. 3.Визуализация в Datawrapper: •Листы с данными загружались напрямую в сервис. •Для карты США использовался стандартный шаблон «USA States», где значения price_per_sqft сопоставлялись с кодами штатов. •Цветовая палитра была настроена на градиент от светло-голубого (доступное жилье) до насыщенного красного (элитное жилье). 4. Применение ИИ: Искусственный интеллект использовался для генерации стилистических элементов оформления (иконок домов для легенды карты) и для автоматизации процесса очистки аномальных значений в коде, что позволило получить более точные средние показатели без искажения экстремально дорогими объектами.
