Construyendo Project DD360

Project DD360 es un análisis exploratorio de datos en notebook Jupyter sobre listados de venta de departamentos en Roma Norte y Roma Sur (Cuauhtémoc, CDMX). Carga un dataset scrapeado de Metroscubicos, perfila drivers de precio como superficie y número de recámaras, y grafica cada listado en un mapa interactivo Folium por latitud y longitud.

Qué hace

El notebook principal (PruebaDD360.ipynb) recorre un análisis en dos partes:

Parte 1 — Estadísticas exploratorias

1. Carga de datos — Lee reto_precios.csv en un DataFrame de Pandas con más de 30 columnas: precio, m2, recámaras, baños, ubicación, vendedor, lat/lon, amenidades y campos derivados como price_square_meter y final_price.
2. Perfilado del dataset — head(), describe() e info() para inspeccionar dtypes, valores faltantes y rangos numéricos en cientos de listados de Roma (snapshot de marzo 2022).
3. Mapa de calor de correlación — Heatmap de Seaborn sobre todas las columnas numéricas para detectar relaciones entre precio, superficie, recámaras, estacionamiento y cuotas.
4. Gráficas de distribución — Visuales con Matplotlib/Seaborn:
   • Scatter: superficie (m2) vs. precio por m²
   • Box plot: precio por m² por número de recámaras
   • Box plot: precio por m² por colonia (location)

Parte 2 — Visualización geoespacial

Usa Folium para construir un mapa interactivo centrado en CDMX (19.4, -99.15):

• Un marcador por listado en lat / lon
• El popup muestra el precio por m² de cada propiedad
• Permite comparar clusters espaciales de precio entre calles de Roma Norte vs. Roma Sur

Dataset

reto_precios.csv contiene listados de departamentos de Metroscubicos scrapeados de colonias de Roma — los campos incluyen título del listado, dirección, vendedor, días en el sitio, orientación, estacionamiento, cuotas mensuales y geocoordenadas. La columna price_square_meter viene precalculada para comparación directa entre tamaños de unidad.

Stack tecnológico

Proceso de desarrollo

Project DD360 es un análisis exploratorio en Jupyter de listados de renta en CDMX desde un export CSV de Metroscubicos, usando pandas, Matplotlib/Seaborn y Folium para mapas.

Configuración del repositorio

• Repositorio creado en GitLab con scaffold predeterminado del README.
• Estructura de carpetas definida para notebooks y datos crudos (reto_precios.csv).

Notebook EDA y dataset

• PruebaDD360.ipynb subido con el flujo completo de análisis de precios del reto DD360.
• reto_precios.csv con export de listados y Untitled.ipynb como scratch pad en blanco.
• Perfilado de columnas, manejo de valores faltantes y distribuciones de precio por m² por colonia y recámaras.

Análisis visual

• Gráficas de distribución y correlación con Matplotlib y Seaborn.
• Coordenadas de listados trazadas en mapa Folium interactivo para detectar clusters espaciales de precio en Roma y alrededores.
• Hallazgos clave documentados en celdas markdown para que el notebook lea como reporte autónomo.

Casos de uso

• Benchmark inmobiliario — Comparar distribuciones de precio por m² entre subcolonias de Roma y cantidad de recámaras
• Precios espaciales — Detectar clusters geográficos de unidades caras o baratas en el mapa Folium
• Plantilla de EDA — Patrón de notebook reutilizable para perfilado de CSV, análisis de correlación y overlays de mapa sobre datos lat/lon