Квартиры Москвы в графиках и диаграммах

Рынок недвижимости — одна из самых актуальных тем среди уже подросших зумеров. Примерно с 2019 года я сама постоянно сижу на ЦИАНе, как в социальной сети, и «присматриваю» себе квартиру. Для многих покупка или аренда квартиры — первый шаг во взрослую жизнь. Однако в наши дни это сделать крайне сложно. Из-за стоимости.

Мне стало интересно проанализировать Московскую недвижимость, поэтому на сервисе Kaggle я нашла датасет MoscowHomes: Dynamic Dataset, который отлично подошёл для данного проекта и анализа.

В ходе анализа получилось достаточно много графиков. Виды тех, что вошли в проект:

— столбчатые диаграммы — круговая диаграмма — графики — диаграмма рассеяния — корреляционная матрица — линейчатая диаграмма

Обложка проекта сгенерирована в Ideogram с помощью очень простого промпта:

real estate in moscow (недвижимость в Москве)

Мне хотелось, чтобы нейросеть отобразила московскую недвижимость самостоятельно, именно поэтому я намеренно не вписала в промпт подробности генерируемого изображения.

После создания линейчатой диаграммы, я с помощью Adobe Photoshop наложила на изображение созданную диаграмму.

Цветовая гамма проекта также сгенерирована при помощи нейросети Ideogram.

Первым шагом стала генерация изображения, иллюстрирующего образ Москвы:

vector image of Moscow residential architecture, the image reflects the color palette of Moscow residential architecture, the image contains modern and historical residential architecture of Moscow (векторное изображение жилой архитектуры Москвы, изображение отражает цветовую палитру жилой архитектуры Москвы, изображение содержит современную и историческую жилую архитектуру Москвы)

Нейросеть сгенерировала несколько разных вариантов, однако я остановилась на самом ярком.

Вторым шагом с помощью Adobe Color была создана цветовая палитра для визуализации данных.

#053959 используется в графиках для фона; #CEE8F2 — для текста; #50C4F2, #F2AB6D, #F2766B — для самих графиков и диаграмм.

Для подписей выбран шрифт Golos Text. Простой и красивый — самое то для визуализации данных.

Единственный минус данного датасета — отсутствие столбца с административными округами. Однако это не оказалось проблемой — я самостоятельно его добавила.

Для этого был создан и обработан большой словарь вида:

{ 'округ': ['станция метро 1', 'станция метро 2'…] }.

Теперь данные проще группировать территориально!

Итак, начнем с простого — диаграммы, которые показывают соотношения данных в датасете по различным типам. Возможно, это поможет при постройке более сложных графиков.