{ "cells": [ { "cell_type": "markdown", "metadata": {}, "source": [ "

Analisi del mercato immobiliare del\nTexas

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Gabriele Iocco

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

2024-05-24

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Tipo di variabili contenute nel dataframe

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Setto la cartella di lavoro, leggo il file csv e calcolo le\ndimensioni del dataframe assegnandolo all’oggetto N
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 240 8" ] } ], "source": [ "setwd(\"D:/R/mercato immobiliare del Texas\")\n", "\n", "dati <- read.csv(\"D:/R/mercato immobiliare del Texas/Real Estate Texas.csv\",sep = \",\",encoding = \"latin1\")\n", "\n", "dim(dati)" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "N<-dim(dati)[1]" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Con la funzione save.image salvo gli oggetti presenti\nnell’ambiente virtuale in un file RData da richiamare\nall’occorrenza
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "save.image(file = \"global_environment_texas.RData\")" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Con la funzione load carico gli oggetti nell’ambiente\nvirtuale
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "load(\"D:/R/mercato immobiliare del Texas/global_environment_texas.RData\")" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Con la funzione attach rendo visibili i componenti di\nuna lista come se fossero variabili definite indipendentemente
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "attach(dati)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Tramite il comando typeof determino che tipo di\nvariabili popolano il dataframe
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## city year month sales \n", "## \"character\" \"integer\" \"integer\" \"integer\" \n", "## volume median_price listings months_inventory \n", "## \"double\" \"double\" \"integer\" \"double\"" ] } ], "source": [ "type = sapply(dati, typeof)\n", "type" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Variabile city - qualitativa nominale

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Distribuzione di frequenze

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Con la funzione table costruisco le frequenze assolute\ne le assegno all’etichetta freq_ass
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Costruisco le frequenze relative freq_rel
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Costruisco la distribuzione di frequenze\ndistr_freq_city
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## freq_ass freq_rel\n", "## Beaumont 60 0.25\n", "## Bryan-College Station 60 0.25\n", "## Tyler 60 0.25\n", "## Wichita Falls 60 0.25" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## La variabile city ha una distribuzione quadrimodale." ] } ], "source": [ "freq_ass<-table(dati[\"city\"])\n", "\n", "freq_rel<-freq_ass/N\n", "\n", "distr_freq_city<-cbind(freq_ass,freq_rel)\n", "distr_freq_city" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Variabile year - qualitativa ordinale

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Numero di modalità
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Frequenza assoluta
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] \"2010\" \"2011\" \"2012\" \"2013\" \"2014\"" ] } ], "source": [ "levels(as.factor(year))" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## year\n", "## 2010 2011 2012 2013 2014 \n", "## 48 48 48 48 48" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## La variabile year ha cinque modalità e ogni modalità ha la stessa frequenza assoluta" ] } ], "source": [ "table(year)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Suddivido in classi la variabile per poi calcolare le frequenze\nassolute della variabile qualitativa ordinale ciclica month per ogni\nclasse e per ogni città
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## city\n", "## year_cl Beaumont Bryan-College Station Tyler Wichita Falls\n", "## (2009,2010] 12 12 12 12\n", "## (2010,2011] 12 12 12 12\n", "## (2011,2012] 12 12 12 12\n", "## (2012,2013] 12 12 12 12\n", "## (2013,2014] 12 12 12 12" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## Per ogni città ogni anno sono stati osservati 12 mesi" ] } ], "source": [ "year_cl<-cut(year,seq(2009,2014,1))\n", "\n", "freq_ass_month <- table(year_cl, city)\n", "freq_ass_month" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Variabile sales - quantitativa discreta

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Indici di posizione
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## Min. 1st Qu. Median Mean 3rd Qu. Max. \n", "## 79.0 127.0 175.5 192.3 247.0 423.0" ] } ], "source": [ "summary(sales)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Quantili
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% \n", "## 79.0 101.9 120.6 135.0 155.0 175.5 197.0 228.5 271.0 302.1 423.0" ] } ], "source": [ "quantile(sales,seq(0,1,0.1))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Range interquartile
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 120" ] } ], "source": [ "IQR(sales)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Calcolo la varianza sigma2 e la deviazione standard sigma
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 6317.865" ] } ], "source": [ "mean_sales=mean(sales)\n", "sigma2_sales=sum((sales-mean_sales)^2)/N\n", "\n", "sigma_sales=sqrt(sigma2_sales)\n", "\n", "sigma2_sales" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 79.485" ] } ], "source": [ "sigma_sales" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Indice di asimmetria di Fischer e Curtosi
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 0.718104" ] } ], "source": [ "library(moments)\n", "\n", "skewness(sales)" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] -0.3131764" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## L'asimmetria è positiva, la maggior parte dei dati si trova sulla sinistra della distribuzione" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## Il valore della curtosi indica una distribuzione platicurtica" ] } ], "source": [ "kurtosis(sales)-3" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Variabile volume - quantitativa continua

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Indici di posizione
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## Min. 1st Qu. Median Mean 3rd Qu. Max. \n", "## 8.166 17.660 27.062 31.005 40.893 83.547" ] } ], "source": [ "summary(volume)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Quantili
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% \n", "## 8.1660 13.0967 16.1206 19.0344 23.9976 27.0625 31.8436 36.9307 45.5920 53.7391 \n", "## 100% \n", "## 83.5470" ] } ], "source": [ "quantile(volume,seq(0,1,0.1))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Range interquartile
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 23.2335" ] } ], "source": [ "IQR(volume)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Calcolo la varianza sigma2 e la deviazione standard sigma
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 276.1154" ] } ], "source": [ "mean_volume=mean(volume)\n", "sigma2_volume=sum((volume-mean_volume)^2)/N\n", "\n", "sigma_volume=sqrt(sigma2_volume)\n", "\n", "sigma2_volume" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 16.61672" ] } ], "source": [ "sigma_volume" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Indice di asimmetria di Fischer e Curtosi
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 0.884742" ] } ], "source": [ "skewness(volume)" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 0.176987" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## L'asimmetria è positiva, la maggior parte dei dati si trova sulla sinistra della distribuzione" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## Il valore della curtosi indica una distribuzione leptocurtica" ] } ], "source": [ "kurtosis(volume)-3" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Variabile median_price - quantitativa continua

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Indici di posizione
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## Min. 1st Qu. Median Mean 3rd Qu. Max. \n", "## 73800 117300 134500 132665 150050 180000" ] } ], "source": [ "summary(median_price)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Quantili
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% \n", "## 73800 99960 110000 121650 130700 134500 141220 147960 152360 158850 180000" ] } ], "source": [ "quantile(median_price,seq(0,1,0.1))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Range interquartile
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 32750" ] } ], "source": [ "IQR(median_price)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Calcolo la varianza sigma2 e la deviazione standard sigma
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 511433096" ] } ], "source": [ "mean_median_price=mean(median_price)\n", "sigma2_median_price=sum((median_price-mean_median_price)^2)/N\n", "\n", "sigma_median_price=sqrt(sigma2_median_price)\n", "\n", "sigma2_median_price" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 22614.89" ] } ], "source": [ "sigma_median_price" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Indice di asimmetria di Fischer e Curtosi
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] -0.3645529" ] } ], "source": [ "skewness(median_price)" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] -0.6229618" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## L'asimmetria è negativa, buona parte dei dati si trova sulla destra della distribuzione" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## Il valore della curtosi indica una distribuzione platicurtica" ] } ], "source": [ "kurtosis(median_price)-3" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Variabile listings - quantitativa discreta

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Indici di posizione
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## Min. 1st Qu. Median Mean 3rd Qu. Max. \n", "## 743 1026 1618 1738 2056 3296" ] } ], "source": [ "summary(listings)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Quantili
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% \n", "## 743.0 899.9 968.0 1208.7 1525.2 1618.5 1687.8 1796.0 2721.4 2946.7 3296.0" ] } ], "source": [ "quantile(listings,seq(0,1,0.1))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Range interquartile
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 1029.5" ] } ], "source": [ "IQR(listings)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Calcolo la varianza sigma2 e la deviazione standard sigma
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 564208.3" ] } ], "source": [ "mean_listings=mean(listings)\n", "sigma2_listings=sum((listings-mean_listings)^2)/N\n", "\n", "sigma_listings=sqrt(sigma2_listings)\n", "\n", "sigma2_listings" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 751.138" ] } ], "source": [ "sigma_listings" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Indice di asimmetria di Fischer e Curtosi
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 0.6494982" ] } ], "source": [ "skewness(listings)" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] -0.79179" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## L'asimmetria è positiva, buona parte dei dati si trova sulla sinistra della distribuzione" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## Il valore della curtosi indica una distribuzione platicurtica" ] } ], "source": [ "kurtosis(listings)-3" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Variabile months_inventory - quantitativa continua

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Indici di posizione
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## Min. 1st Qu. Median Mean 3rd Qu. Max. \n", "## 3.400 7.800 8.950 9.193 10.950 14.900" ] } ], "source": [ "summary(months_inventory)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Quantili
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% \n", "## 3.40 6.69 7.50 7.97 8.40 8.95 9.40 10.53 11.40 12.21 14.90" ] } ], "source": [ "quantile(months_inventory,seq(0,1,0.1))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Range interquartile
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 3.15" ] } ], "source": [ "IQR(months_inventory)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Calcolo la varianza sigma2 e la deviazione standard sigma
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 5.284777" ] } ], "source": [ "mean_months_inventory=mean(months_inventory)\n", "sigma2_months_inventory=sum((months_inventory-mean_months_inventory)^2)/N\n", "\n", "sigma_months_inventory=sqrt(sigma2_months_inventory)\n", "\n", "sigma2_months_inventory" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 2.298864" ] } ], "source": [ "sigma_months_inventory" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Indice di asimmetria di Fischer e Curtosi
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 0.04097527" ] } ], "source": [ "skewness(months_inventory)" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] -0.1744475" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## L’asimmetria è leggermente positiva, indicando che ci sono alcuni dati che si trovano leggermente a destra della distribuzione" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## Il valore della curtosi indica una distribuzione platicurtica" ] } ], "source": [ "kurtosis(months_inventory)-3" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Calcolo il coefficiente di variazione CV per determinare la\nvariabile con variabilità più elevata

" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## Variable CV Percentage\n", "## 2 volume 53.59 %\n", "## 4 listings 43.22 %\n", "## 1 sales 41.34 %\n", "## 5 months_inventory 25.01 %\n", "## 3 median_price 17.05 %" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## La variabile con la variabilità più elevata è la variabile volume con un coefficiente di variazione di 53.59 , vuol dire che presenta una deviazione standard che è il 53.59 % della rispettiva media" ] } ], "source": [ "mean <- c(mean_sales, mean_volume, mean_median_price, mean_listings, mean_months_inventory)\n", "sd <- c(sigma_sales, sigma_volume, sigma_median_price, sigma_listings, sigma_months_inventory)\n", "\n", "variables <- c('sales', 'volume', 'median_price', 'listings', 'months_inventory')\n", "\n", "data_cv <- data.frame()\n", "\n", "for (i in 1:length(variables)) {\n", " cv <- (sd[i] / mean[i]) * 100\n", " data_cv <- rbind(data_cv, data.frame(Variable = variables[i], CV = round(cv, 2), \"Percentage\" = \"%\"))\n", "\n", "}\n", "\n", "cv_ordered <- data_cv[order(-data_cv$CV), ]\n", "cv_ordered" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Calcolo la variabile con asimmetria più elevata

" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## Variable Asim\n", "## 2 volume 0.88\n", "## 1 sales 0.72\n", "## 4 listings 0.65\n", "## 5 months_inventory 0.04\n", "## 3 median_price -0.36" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## La variabile più asimmetrica è la variabile volume con una asimmetria di 0.88" ] } ], "source": [ "asim <- c(skewness(sales), skewness(volume), skewness(median_price), skewness(listings), skewness(months_inventory))\n", "\n", "variables <- c('sales', 'volume', 'median_price', 'listings', 'months_inventory')\n", "\n", "data_asim <- data.frame()\n", "\n", "for (i in 1:length(variables)) {\n", " data_asim <- rbind(data_asim, data.frame(Variable = variables[i], Asim = round(asim[i], 2)))\n", "}\n", "\n", "asim_ordered <- data_asim[order(-data_asim$Asim), ]\n", "asim_ordered" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Divido la variabile sales in classi, creo la colonna sales_cl nel\ndataframe e calcolo la distribuzione di frequenze

" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "dati$sales_cl <- cut(dati$sales,\n", " breaks=c(50,100,150,200,250,300,350,400,450))" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## ni fi Ni Fi\n", "## (50,100] 21 0.08750000 21 0.0875000\n", "## (100,150] 72 0.30000000 93 0.3875000\n", "## (150,200] 56 0.23333333 149 0.6208333\n", "## (200,250] 32 0.13333333 181 0.7541667\n", "## (250,300] 34 0.14166667 215 0.8958333\n", "## (300,350] 13 0.05416667 228 0.9500000\n", "## (350,400] 9 0.03750000 237 0.9875000\n", "## (400,450] 3 0.01250000 240 1.0000000" ] } ], "source": [ "distr_freq_sales <- as.data.frame(\n", " cbind(\n", " ni=table(dati$sales_cl),\n", " fi=table(dati$sales_cl)/N,\n", " Ni=cumsum(table(dati$sales_cl)),\n", " Fi=cumsum(table(dati$sales_cl)/N)\n", " )\n", ")\n", "distr_freq_sales" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "library(ggplot2)\n", "\n", "ggplot(data = dati)+\n", " geom_bar(aes(x=sales_cl),\n", " stat = \"count\",\n", " fill = \"yellow3\")+\n", " labs(title = \"Suddivisione in classi della variabile sales\",\n", " x=\"Sales in classi \",\n", " y=\"Frequenze assolute\")+\n", " scale_y_continuous(breaks = seq(0,80,5))+\n", " theme_minimal() +\n", " theme(\n", " plot.title = element_text(size = 23, hjust = 0.5),\n", " axis.title.x = element_text(size = 17, vjust = 0),\n", " axis.title.y = element_text(size = 17),\n", " axis.text.x = element_text(size=12),\n", " axis.text.y = element_text(size=12)\n", " )" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Indice di Gini
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## \n", "## (50,100] (100,150] (150,200] (200,250] (250,300] (300,350] (350,400] (400,450] \n", "## 21 72 56 32 34 13 9 3" ] } ], "source": [ "gini.index<-function(x){\n", " ni=table(x)\n", " fi=ni/length(x)\n", " fi2=fi^2\n", " J = length(table(x))\n", " \n", " gini = 1-sum(fi2)\n", " gini.normalizzato = gini/((J-1)/J)\n", " \n", " return(gini.normalizzato)\n", "}\n", "\n", "table(dati$sales_cl)" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 0.9206349" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## La distribuzione della variabile sales_cl è abbastanza eterogenea, le unità statistiche si distribuiscono lungo tutte le modalità" ] } ], "source": [ "gini.index(dati$sales_cl)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Indice di Gini per la variabile city
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 1" ] } ], "source": [ "gini.index(city)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Probabilità di selezionare la città di Beaumont selezionando una\nriga a caso del dataframe

" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 4" ] } ], "source": [ "unique_cities_num <- length(unique(city))\n", "unique_cities_num" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 25" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## Le città sono 4 e le modalità della variabile city hanno la stessa frequenza assoluta, quindi la probabilità di selezionare una città tra quattro è 1/4, il 25%" ] } ], "source": [ "probability <- (1/unique_cities_num)*100\n", "probability" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Probabilità di selezionare il mese di Luglio selezionando una riga a\ncaso del dataframe

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Le modalità di month hanno le stesse frequenze assolute
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Moltiplico le frequenze assolute per il numero di città
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 48" ] } ], "source": [ "freq_ass_cities <- max(freq_ass_month*unique_cities_num)\n", "freq_ass_cities" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 8.333333" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## La probabilità di selezionare il mese di Luglio è pari all'8.3%" ] } ], "source": [ "probability=(unique_cities_num/freq_ass_cities)*100\n", "probability" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Probabilità di selezionare il mese di Dicembre 2012 selezionando una\nriga a caso del dataframe

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Sommo le frequenze assolute di month per ottenere il numero di righe\ndel dataframe
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 240" ] } ], "source": [ "total_freq <- sum(freq_ass_month)\n", "total_freq" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## [1] 0.4166667" ] }, { "output_type": "stream", "name": "stdout", "text": [ "## La probabilità è pari allo 0.41%" ] } ], "source": [ "probability <- (1 / total_freq) * 100\n", "probability" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Creo la colonna mean_price

" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## Ho diviso il volume di affari di ogni mese per il numero di vendite di quel mese e ho moltiplicato *1000 perchè la variabile volume esprime il suo valore in milioni di dollari" ] } ], "source": [ "dati=data.frame(dati,mean_price=(volume/sales)*1000)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Creo una colonna che esprima l’efficacia degli annunci

" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## Ho diviso il numero di vendite mensili per il numero degli annunci attivi ogni mese ricavando così un valore che esprima la validità degli annunci. Più il valore di questo rapporto è alto più gli annunci hanno avuto efficacia generando un numero maggiore di vendite" ] } ], "source": [ "dati=data.frame(dati,effectiveness_ads=sales/listings)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Summary della variabile sales condizionatamente a city, year e\nmonth

" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## # A tibble: 48 × 4\n", "## # Groups: city [4]\n", "## city month media_sales stand_dev_sales\n", "## \n", "## 1 Beaumont 1 122. 31.2\n", "## 2 Beaumont 2 135. 31.9\n", "## 3 Beaumont 3 171 14.9\n", "## 4 Beaumont 4 190. 17.7\n", "## 5 Beaumont 5 207. 42.6\n", "## 6 Beaumont 6 205 36.0\n", "## 7 Beaumont 7 185. 22.9\n", "## 8 Beaumont 8 217. 50.6\n", "## 9 Beaumont 9 174 46.9\n", "## 10 Beaumont 10 189. 44.0\n", "## # ℹ 38 more rows" ] } ], "source": [ "library(dplyr)\n", "\n", "dati%>%\n", " group_by(city,month)%>%\n", " summarise(media_sales=mean(sales),\n", " stand_dev_sales=sd(sales))" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "## # A tibble: 5 × 3\n", "## year media_sales stand_dev_sales\n", "## \n", "## 1 2010 169. 60.5\n", "## 2 2011 164. 63.9\n", "## 3 2012 186. 70.9\n", "## 4 2013 212. 84.0\n", "## 5 2014 231. 95.5" ] } ], "source": [ "dati%>%\n", " group_by(year)%>%\n", " summarise(media_sales=mean(sales),\n", " stand_dev_sales=sd(sales))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Distribuzione del volume degli affari negli anni e nelle varie\ncittà

" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "ggplot(data=dati)+\n", " geom_boxplot(aes(x=year_cl,\n", " y=median_price,\n", " fill=city))+\n", " labs(title = \"Distribuzione del volume degli affari\",\n", " x = \"Year in classi\",\n", " y = \"Volume\",\n", " fill = \"\")+\n", " theme_minimal() +\n", " theme(\n", " plot.title = element_text(size = 23, hjust = 0.5),\n", " axis.title.x = element_text(size = 17, vjust = 0),\n", " axis.title.y = element_text(size = 17),\n", " axis.text.x = element_text(size=12),\n", " axis.text.y = element_text(size=12),\n", " \n", " strip.background = element_blank(),\n", " \n", " legend.title = element_text(size = 10),\n", " legend.text = element_text(size = 10),\n", " legend.key.size = unit(1, \"cm\"),\n", " legend.position = \"bottom\"\n", " )" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
## Wichita Falls e Beaumont hanno aumentato di poco il loro volume degli affari nel corso degli anni presi in esame, mentre le città di Tyler e Bryan-College Station hanno avuto un incremento maggiore nel 2013 e nel 2014. \n## La mediana del volume degli affari a Wichita Falls nel 2011 è notevolmente più alta rispetto ad altre città e ad altri anni. Questo suggerisce la possibilità che ci sia stato un incremento delle vendite con un focus su immobili di valore superiore.\n## Gli outliers superiori indicano che c'è stato un aumento significativo del volume degli affari in alcuni mesi. Al contrario gli outliers inferiori indicano un sostanziale calo degli affari
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Distribuzione delle vendite tra le varie città negli anni

" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "ggplot(data=dati)+\n", " geom_boxplot(aes(x=year_cl,\n", " y=sales,\n", " fill=city))+\n", " labs(title = \"Distribuzione delle vendite\",\n", " x = \"Year in classi\",\n", " y = \"Sales\",\n", " fill = \"\")+\n", " theme_minimal() +\n", " theme(\n", " plot.title = element_text(size = 23, hjust = 0.5),\n", " axis.title.x = element_text(size = 17, vjust = 0),\n", " axis.title.y = element_text(size = 17),\n", " axis.text.x = element_text(size=12),\n", " axis.text.y = element_text(size=12),\n", " \n", " strip.background = element_blank(),\n", " \n", " legend.title = element_text(size = 10),\n", " legend.text = element_text(size = 10),\n", " legend.key.size = unit(1, \"cm\"),\n", " legend.position = \"bottom\"\n", " )" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
## Le vendite a Whichita Falls si mantengono pressocchè costanti nel corso degli anni mentre nelle altre città c'è un aumento. Nel 2012 il valore della mediana a Bryan-College Station è molto basso, questo vuol dire che sono stati venduti pochi immobili nella maggior parte dei mesi . Sempre nel 2012 la città di Tyler ha venduto parecchi immobili durante l'arco dell'anno.
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Totale delle vendite nei vari mesi considerando le città

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Calcolo il totale delle vendite per ogni mese dello stesso anno e\ncittà
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Creo il grafico
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "library(RColorBrewer)\n", "colori <- brewer.pal(6, \"Set3\")\n", "\n", "\n", "\n", "sales_somma <- dati %>%\n", " group_by(month,city) %>%\n", " summarise(sales = sum(sales))\n", "\n", "\n", "\n", "ggplot(sales_somma, aes(x = month, y = sales, fill = city)) +\n", " geom_bar(stat = \"identity\") +\n", " \n", " geom_text(aes(label = sales), size=4, vjust = 0.5, hjust = 0.5,\n", " position = position_stack(vjust = 0.5),\n", " color = \"black\")+\n", " labs(title = \"Vendite Mensili: Panoramica 2010-2014\",\n", " x = \"Mesi\",\n", " y = \"Sales\") +\n", " scale_x_discrete(limits = c(\"Gennaio\", \"Febbraio\", \"Marzo\", \"Aprile\", \"Maggio\", \"Giugno\", \n", " \"Luglio\", \"Agosto\", \"Settembre\", \"Ottobre\", \"Novembre\", \"Dicembre\")) +\n", " scale_y_continuous(breaks = seq(0,5000,200))+\n", " \n", " theme_classic()+\n", " \n", " scale_fill_manual(values=colori)+\n", " \n", " theme(\n", " plot.title = element_text(size = 23, hjust = 0.5),\n", " axis.title.x = element_text(size = 17, vjust = 0),\n", " axis.title.y = element_text(size = 17),\n", " axis.text.x = element_text(size=9),\n", " axis.text.y = element_text(size=9),\n", " \n", " strip.background = element_blank(),\n", " \n", " legend.text = element_text(size = 10),\n", " legend.key.size = unit(1, \"cm\"),\n", " legend.position = \"bottom\"\n", " )+\n", " labs( fill = toupper(\"\"))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
## La città di Wichita Falls è la città ad aver venduto meno immobili e nel corso dei mesi e degli anni e le sue vendite si sono mostrate pressocchè costanti. Le altre città hanno aumentato le vendite dall'inizio della primavera fino al mese di Agosto per poi diminuire agli inizi dell'autunno. Le città che vendono di più nei mesi estivi sono Tyler e Bryan-College Station
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Calcolo il totale delle vendite per ogni mese
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Calcolo la percentuale di vendite
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Creo il grafico
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "sales_somma_per_month <- dati %>%\n", " group_by(month) %>%\n", " summarise(total_sales = sum(sales))\n", "\n", "\n", "\n", "sales_somma_normalized <- sales_somma %>%\n", " left_join(sales_somma_per_month, by = \"month\") %>%\n", " mutate(sales_normalized = sales / total_sales * 100)\n", "\n", "\n", "\n", "ggplot(sales_somma_normalized, aes(x = month, y = sales_normalized, fill = city)) +\n", " geom_bar(stat = \"identity\") +\n", " geom_text(aes(label = round(sales_normalized, 2)), size = 4, vjust = 0.5, hjust = 0.5,\n", " position = position_stack(vjust = 0.5), color = \"black\") +\n", " labs(title = \"Vendite Mensili: Panoramica 2010-2014\",\n", " x = \"Mesi\",\n", " y = \"Vendite (%)\") +\n", " scale_x_discrete(limits = c(\"Gennaio\", \"Febbraio\", \"Marzo\", \"Aprile\", \"Maggio\", \"Giugno\", \n", " \"Luglio\", \"Agosto\", \"Settembre\", \"Ottobre\", \"Novembre\", \"Dicembre\")) +\n", " scale_y_continuous(labels = scales::percent_format(scale = 1), expand = expansion(mult = c(0, 0.05))) +\n", " theme_classic() +\n", " scale_fill_manual(values = colori) +\n", " theme(\n", " plot.title = element_text(size = 23, hjust = 0.5),\n", " axis.title.x = element_text(size = 17, vjust = 0),\n", " axis.title.y = element_text(size = 17),\n", " axis.text.x = element_text(size = 8),\n", " axis.text.y = element_text(size = 8),\n", " \n", " strip.background = element_blank(),\n", " \n", " legend.text = element_text(size = 10),\n", " legend.key.size = unit(1, \"cm\"),\n", " legend.position = \"bottom\"\n", " ) +\n", " labs(fill = toupper(\"\"))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Totale delle vendite nei vari mesi e nei vari anni considerando le\ncittà

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Calcolo il totale delle vendite per ogni mese e città
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Calcolo la percentuale di vendite
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Creo il grafico
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "sales_somma_per_month_city <- dati %>%\n", " group_by(month, city) %>%\n", " summarise(total_sales = sum(sales), .groups = \"drop\")\n", "\n", "\n", "\n", "dati_somma_perc <- dati %>%\n", " group_by(year, city, month) %>%\n", " summarise(sales = sum(sales), .groups = \"drop\") %>%\n", " ungroup() %>%\n", " left_join(sales_somma_per_month_city, by = c(\"month\", \"city\")) %>%\n", " mutate(sales_percent = sales / total_sales * 100)\n", "\n", "\n", "\n", "ggplot(dati_somma_perc, aes(x = month, y = sales/total_sales, fill = as.factor(year))\n", ") +\n", " geom_bar(position=\"fill\", stat = \"identity\") +\n", " geom_text(aes(label = round(sales_percent, 2)), position = position_fill(vjust = 0.5), size = 4.5, color = \"black\")+\n", " facet_wrap(~city, ncol=1) +\n", " labs(title = \"Percentuale delle Vendite Mensili\",\n", " x = \"Mesi\",\n", " y = \"Sales %\",\n", " fill = \"\"\n", " ) + \n", " scale_x_discrete(limits = c(\"Gennaio\", \"Febbraio\", \"Marzo\", \"Aprile\", \"Maggio\", \"Giugno\", \n", " \"Luglio\", \"Agosto\", \"Settembre\", \"Ottobre\", \"Novembre\", \"Dicembre\")\n", " ) +\n", " scale_y_continuous(labels = scales::percent,\n", " sec.axis = sec_axis(~. * 100, name = \"Sales %\", labels = function(x) paste0(x, \"%\"))) +\n", " scale_fill_manual(values=colori)+\n", " theme_classic()+\n", " theme(\n", " plot.title = element_text(size = 23, hjust = 0.5),\n", " axis.title.x = element_text(size = 17, vjust = 0),\n", " axis.title.y = element_text(size = 17),\n", " axis.text.x = element_text(size=10),\n", " axis.text.y = element_text(size=10),\n", " \n", " strip.background = element_blank(),\n", " strip.text = element_text(size = 17),\n", " \n", " legend.text = element_text(size = 10),\n", " legend.key.size = unit(1, \"cm\"),\n", " legend.position = \"bottom\"\n", " )" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

Line chart con la variabile sales per fare confronti fra città e\nperiodi storici

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
Raggruppo le vendite per anno e città con il pacchetto dplyr e creo\nil grafico
" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "sales_by_year_city <- dati %>%\n", " group_by(year, city) %>%\n", " summarise(sales = sum(sales))\n", "\n", "\n", "\n", "ggplot(sales_by_year_city) +\n", " geom_line(aes(x=year, y=sales, col=city, group=city), lwd=1) +\n", " geom_text(aes(x=year, y=sales+70, label = sales), size = 3.8)+\n", " scale_x_continuous(breaks = seq(2010,2014,1)) +\n", " scale_y_continuous(breaks = seq(0,4000,200))+\n", " labs(x=\"Anni\", y=\"Numero di vendite\", color=\"\", title = \"Storico annuale delle vendite\") +\n", " scale_fill_manual(values=colori)+\n", " theme_minimal() +\n", " theme(\n", " plot.title = element_text(size = 23, hjust = 0.5),\n", " axis.title.x = element_text(size = 17, vjust = 0),\n", " axis.title.y = element_text(size = 17),\n", " axis.text.x = element_text(size=10),\n", " axis.text.y = element_text(size=10),\n", " \n", " strip.background = element_blank(),\n", " \n", " legend.text = element_text(size = 12),\n", " legend.key.size = unit(1.5, \"cm\"),\n", " legend.position = \"bottom\"\n", " )" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "

" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "
## Possiamo notare che c'è stata un'impennata nelle vendite a Beaumont, Brian College Station e Tyler a partire dal 2011. La città di Tyler ha iniziato ad incrementarle già nel 2010. Wichita Falls nel 2011 ha avuto un lieve aumento delle vendite fino al 2013 per poi avere un sensibile calo.
" ] } ], "metadata": { "kernelspec": { "display_name": "R", "language": "R", "name": "ir" }, "language_info": { "name": "r" } }, "nbformat": 4, "nbformat_minor": 5 }