تحليل بيانات Airbnb باستخدام Python

الهدف: استخراج رؤى حول أنماط الإقامة والأسعار والتوزيع الجغرافي للعقارات.

الأدوات: Pandas و NumPy للمعالجة، Matplotlib وSeaborn للتصور.

المراحل

1. تنظيف البيانات
فحصتُ البيانات بحثًا عن القيم المفقودة والسجلات المكررة. عالجتُ المفقودة بالحذف أو التعويض بالوسيط حسب أهمية العمود، وأزلتُ التكرارات لضمان دقة النتائج.

2. اكتشاف القيم الشاذة
استخدمتُ طريقتي IQR وZ-score لرصد الأسعار غير المنطقية والقيم المتطرفة. تعاملتُ مع كل حالة بحسب طبيعتها: حذف القيم الخاطئة بوضوح (مثل سعر صفر)، وتقييد القيم المتطرفة الحقيقية أو الإبقاء عليها عند الحاجة.

3. التصور البياني

Bar Charts: مقارنة الأحياء وأنواع العقارات.
Histograms: فهم توزيع الأسعار.
Heatmaps: إبراز الارتباطات بين المتغيرات.
Box Plots: توضيح التوزيع وكشف القيم المتطرفة.
Scatter Plots: دراسة العلاقة بين السعر والمساحة أو التقييم.
النتيجة

بيانات نظيفة وموثوقة، ورؤى واضحة عن العوامل المؤثرة في الأسعار والتوزيع الجغرافي، تدعم قرارات المضيفين والمستثمرين.