{"id":26158735,"url":"https://github.com/anicatpro/nir","last_synced_at":"2025-07-09T05:39:57.095Z","repository":{"id":280793931,"uuid":"939196058","full_name":"AniCatPro/NIR","owner":"AniCatPro","description":"ИжГТУ. Уч. практика_НИР (Леонов М.В.) - Анализ стоимости недвижимости","archived":false,"fork":false,"pushed_at":"2025-03-12T21:06:22.000Z","size":160,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"master","last_synced_at":"2025-03-12T21:33:04.389Z","etag":null,"topics":["home-work"],"latest_commit_sha":null,"homepage":"","language":"Python","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/AniCatPro.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2025-02-26T06:35:35.000Z","updated_at":"2025-03-12T21:06:26.000Z","dependencies_parsed_at":"2025-03-05T11:20:00.497Z","dependency_job_id":"d0f20476-add2-4dd0-92f8-b03d0196069a","html_url":"https://github.com/AniCatPro/NIR","commit_stats":null,"previous_names":["anicatpro/nir"],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/AniCatPro/NIR","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/AniCatPro%2FNIR","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/AniCatPro%2FNIR/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/AniCatPro%2FNIR/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/AniCatPro%2FNIR/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/AniCatPro","download_url":"https://codeload.github.com/AniCatPro/NIR/tar.gz/refs/heads/master","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/AniCatPro%2FNIR/sbom","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":264402492,"owners_count":23602594,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["home-work"],"created_at":"2025-03-11T10:59:54.886Z","updated_at":"2025-07-09T05:39:56.954Z","avatar_url":"https://github.com/AniCatPro.png","language":"Python","funding_links":[],"categories":[],"sub_categories":[],"readme":"# Анализ стоимости недвижимости в г.Барнаул\n\nПроект был разработан студентом гр.Б22-191-1з Афанасьевым П.Ю. в рамках учебной практики \"Уч. практика_НИР\" под руководством Леонова М.В.\n\nЭтот проект включает два скрипта:\n\n1. **Парсинг данных с сайта Avito:** с использованием Selenium, данные о недвижимости (цена, метраж, этаж и т.д.) извлекаются и сохраняются в базу данных SQLite.\n2. **Анализ данных:** данные анализируются с использованием Pandas и Scikit-learn для построения линейной регрессии и других статистических тестов.\n\n## Основные функции\n\n- **Парсинг данных:** сбор информации о недвижимости с платформы Avito и сохранение в SQLite.\n- **Анализ данных:** включает обработку данных, статистический анализ и построение моделей машинного обучения для оценки факторов, влияющих на стоимость недвижимости.\n- **Визуализация:** предоставляет графики и диаграммы для лучшего понимания распределений и зависимостей в данных.\n\n## Структура базы данных\n\n- **properties** — таблица данных о недвижимости:\n  - **id** — уникальный идентификатор записи.\n  - **price** — цена недвижимости.\n  - **total_area** — общая площадь.\n  - **living_area** — жилая площадь.\n  - **rooms** — количество комнат.\n  - **floor** — этаж.\n  - **total_floors** — всего этажей в здании.\n  - **year** — год постройки.\n  - **balcony** — наличие балкона.\n  - **condition** — состояние жилья.\n  - **type** — тип недвижимости.\n  - **district** — район.\n  - **url** — ссылка на объявление.\n\n## Установка\n\n1. Клонируйте репозиторий:\n    ```bash\n    git clone https://github.com/AniCatPro/NIR.git\n    ```\n\n2. Перейдите в каталог проекта:\n    ```bash\n    cd NIR\n    ```\n\n3. Установите необходимые зависимости:\n    ```bash\n    pip install pandas numpy scikit-learn scipy matplotlib seaborn statsmodels ipython selenium webdriver-manager\n    ```\n\n4. Запустите парсинг данных:\n    ```bash\n    python pars_sql.py\n    ```\n\n5. Запустите анализ данных:\n    ```bash\n    python test2.py\n    ```\n\n## Визуализация данных\n\n### 1. Гистограмма распределения цен\nНа данной гистограмме представлено распределение цен на квартиры. Большинство объектов концентрируются в среднем ценовом диапазоне, что говорит о популярности среднемаркетных квартир на рынке. Мы видим значительное снижение частоты для более высоких цен, что указывает на редкость более дорогих объектов. Это распределение типично для жилой недвижимости и отражает предпочтения покупателей.\n\n\u003cimg src=\"img/plot_2025-03-05 12-08-38_0.png\" alt=\"Гистограмма распределения цен\" width=\"600\"\u003e\n\n### 2. Коробчатая диаграмма (box plot)\nКоробчатая диаграмма предоставляет визуализацию центральной тенденции и разброса цен на квартиры. Медиана цены расположена ниже среднего уровня, что указывает на наличие более дешевых объектов. Выбросы, представленные точками выше \"усов\", свидетельствуют о наличии нескольких элитных объектов с ценами, значительно превышающими основную часть данных. Это важно учитывать при анализе, так как такие объекты могут искажать общую картину.\n\n\u003cimg src=\"img/plot_2025-03-05 12-08-38_1.png\" alt=\"Коробчатая диаграмма\" width=\"600\"\u003e\n\n### 3. Диаграмма рассеяния цены и площади\nДиаграмма рассеяния демонстрирует положительную корреляцию между площадью квартиры и её ценой. Как видно из графика, с увеличением площади цена также увеличивается, что соответствует ожиданиям. Эта информация полезна для понимания того, как размер объекта влияет на его рыночную стоимость и может быть использована при стратегическом планировании цен.\n\n\u003cimg src=\"img/plot_2025-03-05 12-08-38_2.png\" alt=\"Диаграмма рассеяния цены и площади\" width=\"600\"\u003e\n\n### 4. Матрица корреляций\nМатрица корреляций отображает взаимосвязи между разными переменными, такими как цена, этаж и логарифмическое преобразование расстояния. Из всех переменных `log_distance` демонстрирует слабую корреляцию с ценой, что может указывать на его меньшую значимость в текущем наборе данных. Это подчеркивает необходимость пересмотра влияния этой переменной на цену или поиск дополнительных факторов, которые могут лучше объяснять вариабельность.\n\n\u003cimg src=\"img/plot_2025-03-05 12-08-38_3.png\" alt=\"Матрица корреляций\" width=\"600\"\u003e\n\n### 5. Гистограмма распределения ошибок\nГистограмма ошибок иллюстрирует точность модели путем отображения разницы между прогнозированными и фактическими ценностями. Большинство ошибок сосредоточено около нуля, что говорит о том, что модель предсказывает цены с высокой точностью. Однако присутствие ошибок указывает на области, где модель все еще может быть улучшена.\n\n\u003cimg src=\"img/plot_2025-03-05 12-08-38_5.png\" alt=\"Гистограмма распределения ошибок\" width=\"600\"\u003e\n\n\n### 6. Диаграмма прогнозных vs. фактических значений\nДанная диаграмма сравнивает прогнозируемые цены с фактическими данными. Большинство точек расположено близко к диагональной линии, что свидетельствует о высоком уровне точности модели. Однако некоторые отклонения указывают на возможность улучшений, особенно для более дорогих объектов. Эта диаграмма полезна для визуальной оценки производительности модели и позволяет быстро идентифицировать несоответствия.\n\n\u003cimg src=\"img/plot_2025-03-05 12-08-38_4.png\" alt=\"Диаграмма прогнозных и фактических значений\" width=\"600\"\u003e\n\n## Заключение\n\nПроект показал способность парсинга данных и их дальнейшего анализа для выявления тенденций на рынке недвижимости. Применённые методы позволяют оценить влияние различных параметров на стоимость объектов.\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fanicatpro%2Fnir","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fanicatpro%2Fnir","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fanicatpro%2Fnir/lists"}