Analisis exploratorio de los precios por metro cuadrdo de departamentos en CABA, con la base de Properati
Laboratorio de Datos
Andres Farall
18 de Agosto de 2021
1) Adquisición de los datos (I)
a) Lectura del dataset y su estructura
# leo el archivo ar_properties
library(readr)
datos1a <- read_csv("ar_properties.csv") # Acá completen con su propio PATH al archivo##
## ── Column specification ────────────────────────────────────────────────────────
## cols(
## .default = col_character(),
## start_date = col_date(format = ""),
## end_date = col_date(format = ""),
## created_on = col_date(format = ""),
## lat = col_double(),
## lon = col_double(),
## l6 = col_logical(),
## rooms = col_double(),
## bedrooms = col_double(),
## bathrooms = col_double(),
## surface_total = col_double(),
## surface_covered = col_double(),
## price = col_double()
## )
## ℹ Use `spec()` for the full column specifications.datos1anames(datos1a)## [1] "id" "ad_type" "start_date" "end_date"
## [5] "created_on" "lat" "lon" "l1"
## [9] "l2" "l3" "l4" "l5"
## [13] "l6" "rooms" "bedrooms" "bathrooms"
## [17] "surface_total" "surface_covered" "price" "currency"
## [21] "price_period" "title" "property_type" "operation_type"b) Aplicando filtros
Se seleccionan aquellos registros que pertenecen a Argentina y Capital Federal, cuyo precio esta en dolares (USD), el tipo de propiedad corresponde a Departamento y el tipo de operacion sea Venta.
# filtros
filtro.pais<-is.element(datos1a$l1,"Argentina")
filtro.region<-is.element(datos1a$l2,"Capital Federal")
filtro.moneda<-is.element(datos1a$currency,"USD")
filtro.prop<-is.element(datos1a$property_type,"Departamento")
filtro.oper<-is.element(datos1a$operation_type,"Venta")
filtro.lat<-!is.na(datos1a$lat) # sin datos faltantes
filtro.lon<-!is.na(datos1a$lon) # sin datos faltantes
filtro.price<-!is.na(datos1a$price) # sin datos faltantes
filtro.sup<-!is.na(datos1a$surface_covered) # sin datos faltantes
filtro.barrio<-!is.na(datos1a$l3) # sin datos faltantes
# condicion multiple
quedan<-(filtro.pais&filtro.region&filtro.moneda&filtro.prop&filtro.oper&filtro.lat&filtro.lon&filtro.price&filtro.sup&filtro.barrio) # vector logico con TRUEs en los registros seleccionados
# nueva base, con solo 5 variables: lat,lon,barrio, precio y superficie
datos1b <- datos1a[quedan,c(6,7,10,18,19)] # nueva base
datos1b# definicion de variables para trabajar
lat<-datos1b$lat
lon<-datos1b$lon
barrio<-datos1b$l3
sup<-datos1b$surface_covered
precio<-datos1b$price
pm2<-precio/sup # nueva variable de interes
# descripcion de la variable pm2
summary(pm2) ## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 17 2516 3013 3327 3684 628000hist(pm2)
hist(pm2[pm2<8000],50)
¿ Como cambia el pm2 en CABA por barrios ?
uni.barrio<-unique(barrio) # conjunto de barrios de CABA
cant.colores<-length(uni.barrio) # cantidad total de barrios
set.seed(3) # fijo la semilla
colores<-sample(rainbow(cant.colores)) # mezclo los 57 cols para barrios ordenaods alfabeticamente
col.depto<-colores[match(barrio,sort(uni.barrio))] # asigno cols a los deptos
# boxplot
par(cex.axis=0.6)
boxplot(pm2~barrio,outline=FALSE,las=2,col=colores,xlab="",horizontal=FALSE)
# deptos en el espacio
par(pty="s")
plot(lon,lat,cex=0.2,pch=16,col=col.depto)
¿ Cual es el punto geográfico con departamentos con mayor precio por metro cuadrado en CABA ?
Opcion 1: Dado un radio (en metros u otra unidad geográfica), para cada depto (lon,lat) tomo los deptos que caen en ese radio y calculo el precio mediano por \(m^2\). #Opcion 2: Dada una cantidad de vecinos \(N\), para cada depto (lon,lat) tomo los \(N\) deptos más cercanos y calculo el precio mediano por \(m^2\). Opcion 3: pesar por distancia
vamos con Opcion 2
radio.vecinos<-1000 # cant de vecinos
N<-nrow(datos1b) # cant de deptos
pm2.med<-rep(NA,N) # vector con los pm2 medianos
vecinos<-list() # lista vacia para guardar los vecinos mas cercanos a cada depto
length(vecinos)<-N # un elemento de lista para cada depto
for (i in 1:N) # recorro los deptos
{
lalon<-lon[i] # fijo la lat
lalat<-lat[i] # fijo la lon
distancias<-sqrt((lon-lalon)^2+(lat-lalat)^2) # vector de dist. a (lalon,lalat)
cercanos<-order(distancias)[1:radio.vecinos] # ordeno por dist, y me quedo con los cercanos
vecinos[[i]]<-cercanos # guardo los indices de los mas cercanos
pm2.med[i]<-median(pm2[cercanos]) # calculo el pm2 mediano de los mas cercanos
}
# Lo que obtuvimos despues de correr el bucle
pm2.med[1:3] # los 3 primeros valores## [1] 3600.000 2828.079 2828.079vecinos[1:3] # los 3 primeros grupos de indices vecinos## [[1]]
## [1] 1 2746 5402 19289 19290 23930 37237 39881 42859 34391 46898 30624
## [13] 35499 17962 43657 43659 184 15052 21856 13214 13215 31234 12251 4075
## [25] 4076 4078 4079 20767 40199 43683 949 33029 40752 26734 33796 14215
## [37] 15988 22061 27647 17693 28083 36720 1448 3753 33650 385 36326 41020
## [49] 41048 3029 3031 6330 27364 5671 5723 14682 16705 47284 8449 29750
## [61] 9429 32027 32029 32031 32032 2958 39314 40589 25352 40576 40591 34217
## [73] 33801 38484 1564 1565 17142 17143 25448 22177 22279 25638 45954 36979
## [85] 27141 34394 31356 31280 41537 41538 20101 386 3223 18188 33394 9238
## [97] 41724 41725 11774 42622 2745 33171 21316 39074 44694 1703 2714 39885
## [109] 40236 9046 12213 29394 30807 24159 2455 4495 9810 11002 14846 16352
## [121] 20543 29748 30927 45475 21663 640 642 742 743 1241 1446 1540
## [133] 1541 2329 2742 2909 3035 3227 6220 6378 6691 7059 7394 7523
## [145] 7836 8077 8447 8450 10314 10604 10700 10852 10941 10943 11001 12211
## [157] 12635 12636 12637 12638 12639 12641 12642 12644 12645 12646 12724 14283
## [169] 14284 14756 14942 15214 15333 16348 17490 17690 17692 17809 18053 18511
## [181] 18796 19462 19463 20215 20690 20762 20764 20765 20766 20768 20769 20770
## [193] 20771 20772 20943 20944 22951 22952 24160 24406 25332 25446 25880 26735
## [205] 27884 28570 30273 30275 30276 30277 30399 30401 30402 30406 30407 30528
## [217] 30529 30625 30879 30928 32030 32789 32914 34716 35067 35069 35317 36980
## [229] 36981 37591 39173 40753 40848 43778 44727 45102 45644 46897 6012 21883
## [241] 43159 29881 28733 39882 3373 32915 12614 13216 45647 32638 39751 1705
## [253] 12363 7391 15051 28639 30692 42462 38032 17396 12391 3752 3224 29749
## [265] 34493 951 5528 5957 13319 14444 14941 18929 23528 24710 24895 24919
## [277] 32240 34855 35654 36587 36588 37379 38646 40583 46895 16749 22125 41018
## [289] 9489 744 14105 741 29516 8653 40111 34153 9912 32358 1290 8840
## [301] 12540 33795 8652 40112 31092 3033 8633 17524 40181 28641 24971 39316
## [313] 9488 39879 8445 8451 22179 22180 4889 16748 30695 33508 33509 33510
## [325] 13731 28872 30272 22827 27142 6299 33257 5465 16063 15053 9571 35068
## [337] 11291 44970 36955 7392 7393 20497 11634 37375 33585 43660 7230 12608
## [349] 3371 27626 37973 12214 5804 6301 7141 42198 30404 6300 4434 4496
## [361] 23529 34285 25819 13788 28861 10851 10853 6886 11379 25990 12216 1997
## [373] 2957 10261 19093 21661 25447 33707 38966 15611 15612 17691 39552 16905
## [385] 27536 40233 18616 16947 36719 6379 16130 16132 16133 24407 24408 24409
## [397] 24410 24411 24412 24413 24414 24415 24416 24417 24418 24419 24420 24421
## [409] 24626 24627 33797 33798 33800 33802 33803 33804 33806 41253 1064 6690
## [421] 23784 30530 31561 40461 18187 18196 44090 32543 43658 40386 8446 30808
## [433] 11192 35954 28977 13016 33395 39749 20297 25514 12279 37897 745 30219
## [445] 4537 31093 44471 2299 15050 8448 26118 5572 5802 25622 39550 14391
## [457] 27537 2372 5844 16806 26510 13121 29880 37369 18928 25119 43779 28334
## [469] 15210 15683 19656 25089 33708 3865 43338 2566 5800 23142 34798 8993
## [481] 1632 7701 39747 15986 40850 8139 10605 28502 40582 1700 27933 36831
## [493] 4826 455 8772 17542 21003 21004 21005 18377 18378 18935 12910 8003
## [505] 23336 41455 7812 1706 9812 47283 13017 30400 30403 5561 18512 12212
## [517] 11240 11241 17281 17283 21414 23707 36056 43469 28018 36190 40579 20763
## [529] 2456 7773 16250 40570 40572 40577 40584 12278 40586 24972 7232 7760
## [541] 18219 31094 3225 15209 15212 29051 5805 6888 6902 29518 32542 5571
## [553] 11000 27538 4825 29689 45300 39753 5645 33172 39174 39319 16355 47469
## [565] 42621 16354 10313 40578 40590 6377 4828 4432 23141 41536 1149 20499
## [577] 22507 37588 40574 40581 40662 40663 40668 43981 20544 9521 9522 9523
## [589] 7524 20498 33030 42090 15492 3030 3034 37457 28335 33258 10020 40919
## [601] 29519 21410 14945 1106 888 38487 28336 15420 25209 28255 30274 2567
## [613] 8330 9811 23708 5803 5806 11193 11194 14216 21657 21658 21660 21662
## [625] 21664 47386 39748 11290 19786 19748 13240 36983 43722 43723 43724 36978
## [637] 32442 42918 12690 35842 31091 293 2564 9813 25121 40751 44535 43307
## [649] 38485 5801 37372 45301 9267 14681 33511 42089 7936 12491 24761 32286
## [661] 35498 37838 39071 39073 46896 47137 47138 17603 14683 18797 36047 38772
## [673] 37368 45646 42623 7668 18720 4577 23704 34492 2743 22826 41188 14946
## [685] 6219 18513 6688 27716 33908 20345 43870 26861 15574 2258 294 4946
## [697] 11451 45474 34892 29999 30000 34588 34590 8952 12991 34491 2744 6687
## [709] 30101 15687 14214 16349 5463 10019 32787 12948 44897 24508 12364 34494
## [721] 37629 25623 17141 43047 43061 38845 41644 19746 12002 20296 27463 29811
## [733] 16703 12800 16704 8005 47282 29751 37146 11914 34432 44875 30696 22770
## [745] 35653 20337 7311 7570 29517 4131 22505 22506 8444 20542 15054 37370
## [757] 36505 17029 17030 14944 19257 32144 24822 24020 32916 32952 8839 37974
## [769] 23335 31636 11061 18222 18262 18268 7233 42950 42951 11060 43160 9146
## [781] 5462 44616 21113 33259 31355 568 2565 23785 41642 14540 31810 40460
## [793] 9310 42464 4077 37374 3226 39315 23143 24823 36325 46468 389 46471
## [805] 46472 45955 20691 1107 4433 40585 45099 14321 23665 45179 40750 22259
## [817] 834 16347 17433 26615 10140 4603 12799 20134 889 43979 456 7702
## [829] 10699 13664 19127 40234 38486 37371 43116 32677 44263 33173 33174 45643
## [841] 45649 23229 18170 23024 33175 5118 26119 38965 41688 16356 37507 24782
## [853] 4513 21909 35406 6642 6739 15270 15272 18285 18286 18287 18289 18290
## [865] 18292 18977 18978 18979 18980 18981 18982 39949 39951 39952 39953 9623
## [877] 38968 2253 2254 2255 2256 2257 39317 11242 11244 11246 11341 15536
## [889] 15537 17276 17278 17279 17280 21411 21413 23703 23706 36050 36051 36057
## [901] 7164 36327 20214 29928 33439 46466 16129 41453 41454 22864 22877 16906
## [913] 18932 15644 4642 13832 21182 4385 33584 33621 37589 41186 14390 43401
## [925] 30977 16131 33843 44876 28521 18966 38278 38331 8513 15538 13445 19218
## [937] 32913 4133 27032 30527 44470 12404 45585 40573 28564 3941 14169 15681
## [949] 15682 15685 28081 28082 28084 15331 43468 44267 10533 10554 9263 46151
## [961] 15208 9722 388 45100 18933 36830 26979 27535 32241 43868 18220 6013
## [973] 7759 10356 10534 15987 38370 18416 18721 27934 15251 15260 32742 32747
## [985] 1150 40058 21044 9668 17509 20541 16353 41535 5751 1447 6104 1063
## [997] 12455 6859 5047 19291
##
## [[2]]
## [1] 2 3 4 5 6 7 8 10 11 7951 7952 7954
## [13] 7955 7956 7957 7958 7959 7960 11344 11345 11346 11347 11349 11350
## [25] 11352 11353 11354 14610 14611 14612 14615 14617 14618 14619 14620 14621
## [37] 15690 15692 15694 15697 15698 15699 15700 15703 15704 19294 19296 19297
## [49] 19298 19299 19302 19305 19306 19307 21078 21079 21080 21081 21083 21085
## [61] 21086 21087 21089 24423 24424 24425 24426 24427 24429 24430 24431 24432
## [73] 25210 25211 25212 25213 25214 25215 25216 25217 25218 43726 43728 43729
## [85] 43731 43732 43733 43736 43737 43741 44731 44736 44877 44878 44879 44880
## [97] 44881 44882 44883 45656 45660 45661 45664 45665 45666 45667 45668 45671
## [109] 24828 24830 4323 6610 7953 8452 8953 8954 14482 19295 20991 21916
## [121] 23666 23936 25886 26865 31288 31964 35658 41782 42799 44977 21526 9275
## [133] 9279 9101 18618 10266 45306 11062 22066 8996 6305 36423 2146 2150
## [145] 2153 2458 2639 4704 4710 5305 5308 6584 8150 11454 12006 12011
## [157] 13179 13587 14849 16067 19600 19991 21186 23850 25190 31562 31898 32645
## [169] 32647 33515 33517 33518 38033 43931 432 16369 1714 4539 5029 11636
## [181] 29664 32361 33176 34942 39887 41780 42204 45669 10399 43982 4311 20068
## [193] 4142 7236 7526 10265 12693 20228 20456 21324 27653 38497 46493 13908
## [205] 39888 18938 28930 12437 19031 25359 28647 28664 29758 41860 44093 13833
## [217] 13909 893 9054 11295 17491 17547 18516 22706 23483 28426 34592 43583
## [229] 2004 2006 2018 2373 2377 2379 2613 2616 2617 4139 6553 6554
## [241] 6555 7235 7528 10267 12695 20224 20458 21319 25162 25163 25165 27650
## [253] 28734 28737 28738 31182 31185 31186 33405 33408 33416 36133 36134 36140
## [265] 38500 43161 43164 43165 46491 46503 46520 46521 15695 457 26619 30991
## [277] 30994 31235 15426 840 15059 22962 22971 23462 25676 28643 30410 35080
## [289] 36728 4832 38776 31703 27980 12439 24629 3376 10317 10318 21774 21775
## [301] 21783 35657 45479 11385 38495 35781 7397 8620 39326 15693 10945 2910
## [313] 4361 8692 9386 19029 20775 22974 24975 35084 43472 44091 3829 3839
## [325] 18620 43666 46903 16707 797 17097 13425 15061 17285 22963 24026 30419
## [337] 31367 36724 32920 34154 15056 13278 22207 40760 40762 32731 25885 33634
## [349] 37202 646 4141 17832 46486 40465 3761 19076 43117 28645 31100 40035
## [361] 43122 45997 14503 27937 838 1861 2306 2571 6494 6498 8999 15338
## [373] 21994 22960 23463 28651 31098 32792 35091 36061 37306 43120 43479 45999
## [385] 17624 21419 20352 21420 18881 18886 18909 30432 8384 15691 30411 20450
## [397] 42093 31709 43984 13427 28341 1865 34008 41646 41647 41692 47478 47484
## [409] 31060 34497 28181 33033 16843 9507 25884 37241 37201 18381 24788 36481
## [421] 9917 39076 45478 9 2755 7961 8679 8746 9272 11348 14609 15705
## [433] 16812 18942 19303 20699 21084 22835 24422 24900 25219 34929 43342 43734
## [445] 43986 44738 45659 10708 4498 4983 11337 46003 13517 14220 32558 33180
## [457] 14119 30986 10163 28427 34155 11777 18683 19761 31702 33268 30107 41987
## [469] 25149 2715 17828 29396 32615 45970 17823 26124 17816 17827 33710 8383
## [481] 14219 37070 30502 16359 16360 19035 5122 5126 9147 11779 22634 46004
## [493] 4080 20870 12599 4701 23531 24958 46327 11273 11274 11275 11276 11278
## [505] 11280 11281 21250 21251 21252 21253 21254 21255 21256 21289 87 8143
## [517] 11453 14851 16070 19595 21184 24714 25521 43932 44739 46920 16844 15221
## [529] 33589 47285 86 8148 18882 24711 25523 44730 46915 8900 13149 13180
## [541] 19910 19987 21071 27377 31896 33414 45573 20977 28504 36987 20866 10164
## [553] 43282 85 8145 11455 14850 16068 19597 21185 24713 25525 43929 44740
## [565] 46914 41693 8141 19988 20950 9817 20633 5620 34752 17436 42206 28342
## [577] 22441 29895 2108 34718 34719 34725 956 13057 24522 24598 45111 45132
## [589] 45235 2073 1547 5469 6306 9918 17824 27372 35336 38970 40464 46498
## [601] 47392 18943 798 16382 11262 3547 7962 12124 34396 36590 34255 37950
## [613] 39077 1548 6923 45968 4281 11538 32445 36591 36592 42209 42800 42802
## [625] 9193 22204 235 572 649 1292 1550 1629 5468 5524 5728 5813
## [637] 6304 6374 7860 7890 9915 10014 11294 13241 13277 14394 17288 17343
## [649] 17493 17544 17813 17934 18519 18700 18798 18841 19913 21672 22372 22444
## [661] 22703 22965 23148 23149 23163 26512 26622 27270 27375 27376 27455 28429
## [673] 29279 30532 30882 31481 31818 34001 34591 35077 35341 35344 35488 37067
## [685] 37150 37809 38974 39068 40467 40513 44657 46519 46524 46881 47391 47463
## [697] 20455 24829 31819 36427 8382 32548 36195 46905 31097 2014 7765 24902
## [709] 1554 5467 6309 9914 17817 27381 35337 38972 40463 46509 47393 2007
## [721] 27035 43785 28595 28596 28597 17695 17696 17697 17698 17702 17712 17719
## [733] 18226 25996 41648 17626 900 8011 35785 6225 35332 17707 5967 26485
## [745] 9048 21667 39553 18387 27518 31102 40602 29890 21772 12694 34654 36141
## [757] 36196 21119 21124 32527 28343 10537 15226 6164 20776 28044 35083 30009
## [769] 30018 2203 13056 33478 39042 41617 21072 27231 28978 6583 8998 9051
## [781] 44360 44474 3068 12386 22240 28661 40265 46014 41 3253 5040 7643
## [793] 7866 8021 10478 10864 13249 13669 13919 15874 16424 16686 17295 18803
## [805] 19483 20636 22378 23017 24538 25377 25687 26521 27723 30186 35112 35121
## [817] 37079 37080 37081 40770 44747 46046 46054 46059 39826 45484 15866 749
## [829] 2151 2457 2638 6582 28826 31236 36193 43196 46906 20698 1857 6741
## [841] 8739 8740 18708 19130 19132 19990 20946 20951 21771 22129 23341 23347
## [853] 23851 25061 25065 26185 31894 35505 35516 43664 43665 10212 6861 42092
## [865] 16252 32341 32342 32343 32344 32345 32346 32347 32348 32349 32350 32351
## [877] 32352 3153 3158 24593 24597 41417 41418 2998 4500 8899 8901 9490
## [889] 11461 13178 14864 16987 16988 19601 19606 19989 21062 21187 23849 31897
## [901] 33032 37351 38034 42094 43935 44200 44701 45482 2615 13020 22970 45969
## [913] 3757 1242 5121 18685 19169 27269 13105 18676 19659 19661 9919 5413
## [925] 29892 26593 46026 46027 46322 46323 39563 23465 23470 7318 32482 14613
## [937] 2019 16750 2514 2574 13910 23847 841 10709 8547 12155 12156 12164
## [949] 12165 12179 12180 12191 12192 4438 8080 8621 19546 21040 31482 35847
## [961] 41984 45312 5030 10705 16684 17627 20547 25091 9360 13148 13516 15119
## [973] 19907 23171 23793 24165 30541 31486 31824 36835 37978 38642 38643 43481
## [985] 44357 39764 14288 18722 17904 40595 35 8012 15339 24518 25358 44735
## [997] 45984 19756 8430 43586
##
## [[3]]
## [1] 2 3 4 5 6 7 8 10 11 7951 7952 7954
## [13] 7955 7956 7957 7958 7959 7960 11344 11345 11346 11347 11349 11350
## [25] 11352 11353 11354 14610 14611 14612 14615 14617 14618 14619 14620 14621
## [37] 15690 15692 15694 15697 15698 15699 15700 15703 15704 19294 19296 19297
## [49] 19298 19299 19302 19305 19306 19307 21078 21079 21080 21081 21083 21085
## [61] 21086 21087 21089 24423 24424 24425 24426 24427 24429 24430 24431 24432
## [73] 25210 25211 25212 25213 25214 25215 25216 25217 25218 43726 43728 43729
## [85] 43731 43732 43733 43736 43737 43741 44731 44736 44877 44878 44879 44880
## [97] 44881 44882 44883 45656 45660 45661 45664 45665 45666 45667 45668 45671
## [109] 24828 24830 4323 6610 7953 8452 8953 8954 14482 19295 20991 21916
## [121] 23666 23936 25886 26865 31288 31964 35658 41782 42799 44977 21526 9275
## [133] 9279 9101 18618 10266 45306 11062 22066 8996 6305 36423 2146 2150
## [145] 2153 2458 2639 4704 4710 5305 5308 6584 8150 11454 12006 12011
## [157] 13179 13587 14849 16067 19600 19991 21186 23850 25190 31562 31898 32645
## [169] 32647 33515 33517 33518 38033 43931 432 16369 1714 4539 5029 11636
## [181] 29664 32361 33176 34942 39887 41780 42204 45669 10399 43982 4311 20068
## [193] 4142 7236 7526 10265 12693 20228 20456 21324 27653 38497 46493 13908
## [205] 39888 18938 28930 12437 19031 25359 28647 28664 29758 41860 44093 13833
## [217] 13909 893 9054 11295 17491 17547 18516 22706 23483 28426 34592 43583
## [229] 2004 2006 2018 2373 2377 2379 2613 2616 2617 4139 6553 6554
## [241] 6555 7235 7528 10267 12695 20224 20458 21319 25162 25163 25165 27650
## [253] 28734 28737 28738 31182 31185 31186 33405 33408 33416 36133 36134 36140
## [265] 38500 43161 43164 43165 46491 46503 46520 46521 15695 457 26619 30991
## [277] 30994 31235 15426 840 15059 22962 22971 23462 25676 28643 30410 35080
## [289] 36728 4832 38776 31703 27980 12439 24629 3376 10317 10318 21774 21775
## [301] 21783 35657 45479 11385 38495 35781 7397 8620 39326 15693 10945 2910
## [313] 4361 8692 9386 19029 20775 22974 24975 35084 43472 44091 3829 3839
## [325] 18620 43666 46903 16707 797 17097 13425 15061 17285 22963 24026 30419
## [337] 31367 36724 32920 34154 15056 13278 22207 40760 40762 32731 25885 33634
## [349] 37202 646 4141 17832 46486 40465 3761 19076 43117 28645 31100 40035
## [361] 43122 45997 14503 27937 838 1861 2306 2571 6494 6498 8999 15338
## [373] 21994 22960 23463 28651 31098 32792 35091 36061 37306 43120 43479 45999
## [385] 17624 21419 20352 21420 18881 18886 18909 30432 8384 15691 30411 20450
## [397] 42093 31709 43984 13427 28341 1865 34008 41646 41647 41692 47478 47484
## [409] 31060 34497 28181 33033 16843 9507 25884 37241 37201 18381 24788 36481
## [421] 9917 39076 45478 9 2755 7961 8679 8746 9272 11348 14609 15705
## [433] 16812 18942 19303 20699 21084 22835 24422 24900 25219 34929 43342 43734
## [445] 43986 44738 45659 10708 4498 4983 11337 46003 13517 14220 32558 33180
## [457] 14119 30986 10163 28427 34155 11777 18683 19761 31702 33268 30107 41987
## [469] 25149 2715 17828 29396 32615 45970 17823 26124 17816 17827 33710 8383
## [481] 14219 37070 30502 16359 16360 19035 5122 5126 9147 11779 22634 46004
## [493] 4080 20870 12599 4701 23531 24958 46327 11273 11274 11275 11276 11278
## [505] 11280 11281 21250 21251 21252 21253 21254 21255 21256 21289 87 8143
## [517] 11453 14851 16070 19595 21184 24714 25521 43932 44739 46920 16844 15221
## [529] 33589 47285 86 8148 18882 24711 25523 44730 46915 8900 13149 13180
## [541] 19910 19987 21071 27377 31896 33414 45573 20977 28504 36987 20866 10164
## [553] 43282 85 8145 11455 14850 16068 19597 21185 24713 25525 43929 44740
## [565] 46914 41693 8141 19988 20950 9817 20633 5620 34752 17436 42206 28342
## [577] 22441 29895 2108 34718 34719 34725 956 13057 24522 24598 45111 45132
## [589] 45235 2073 1547 5469 6306 9918 17824 27372 35336 38970 40464 46498
## [601] 47392 18943 798 16382 11262 3547 7962 12124 34396 36590 34255 37950
## [613] 39077 1548 6923 45968 4281 11538 32445 36591 36592 42209 42800 42802
## [625] 9193 22204 235 572 649 1292 1550 1629 5468 5524 5728 5813
## [637] 6304 6374 7860 7890 9915 10014 11294 13241 13277 14394 17288 17343
## [649] 17493 17544 17813 17934 18519 18700 18798 18841 19913 21672 22372 22444
## [661] 22703 22965 23148 23149 23163 26512 26622 27270 27375 27376 27455 28429
## [673] 29279 30532 30882 31481 31818 34001 34591 35077 35341 35344 35488 37067
## [685] 37150 37809 38974 39068 40467 40513 44657 46519 46524 46881 47391 47463
## [697] 20455 24829 31819 36427 8382 32548 36195 46905 31097 2014 7765 24902
## [709] 1554 5467 6309 9914 17817 27381 35337 38972 40463 46509 47393 2007
## [721] 27035 43785 28595 28596 28597 17695 17696 17697 17698 17702 17712 17719
## [733] 18226 25996 41648 17626 900 8011 35785 6225 35332 17707 5967 26485
## [745] 9048 21667 39553 18387 27518 31102 40602 29890 21772 12694 34654 36141
## [757] 36196 21119 21124 32527 28343 10537 15226 6164 20776 28044 35083 30009
## [769] 30018 2203 13056 33478 39042 41617 21072 27231 28978 6583 8998 9051
## [781] 44360 44474 3068 12386 22240 28661 40265 46014 41 3253 5040 7643
## [793] 7866 8021 10478 10864 13249 13669 13919 15874 16424 16686 17295 18803
## [805] 19483 20636 22378 23017 24538 25377 25687 26521 27723 30186 35112 35121
## [817] 37079 37080 37081 40770 44747 46046 46054 46059 39826 45484 15866 749
## [829] 2151 2457 2638 6582 28826 31236 36193 43196 46906 20698 1857 6741
## [841] 8739 8740 18708 19130 19132 19990 20946 20951 21771 22129 23341 23347
## [853] 23851 25061 25065 26185 31894 35505 35516 43664 43665 10212 6861 42092
## [865] 16252 32341 32342 32343 32344 32345 32346 32347 32348 32349 32350 32351
## [877] 32352 3153 3158 24593 24597 41417 41418 2998 4500 8899 8901 9490
## [889] 11461 13178 14864 16987 16988 19601 19606 19989 21062 21187 23849 31897
## [901] 33032 37351 38034 42094 43935 44200 44701 45482 2615 13020 22970 45969
## [913] 3757 1242 5121 18685 19169 27269 13105 18676 19659 19661 9919 5413
## [925] 29892 26593 46026 46027 46322 46323 39563 23465 23470 7318 32482 14613
## [937] 2019 16750 2514 2574 13910 23847 841 10709 8547 12155 12156 12164
## [949] 12165 12179 12180 12191 12192 4438 8080 8621 19546 21040 31482 35847
## [961] 41984 45312 5030 10705 16684 17627 20547 25091 9360 13148 13516 15119
## [973] 19907 23171 23793 24165 30541 31486 31824 36835 37978 38642 38643 43481
## [985] 44357 39764 14288 18722 17904 40595 35 8012 15339 24518 25358 44735
## [997] 45984 19756 8430 43586summary(pm2.med)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 2115 2704 3000 3110 3495 5744lista<-lapply(vecinos,mean)
lista[1:3]## [[1]]
## [1] 22645.57
##
## [[2]]
## [1] 22938
##
## [[3]]
## [1] 22938summary(unlist(lista))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 20941 23230 23726 23731 24195 26663Resultados
mas.caro<-which.max(pm2.med) # indice del depto de la zona mas cara
mas.barato<-which.min(pm2.med) # indice del depto de la zona mas barata
promedio<-order(pm2.med)[(N+1)/2] # indice del depto de la zona prototipica
# plot de todos los deptos
par(pty="s")
plot(lon,lat,cex=0.2,pch=16,col="grey")
# puntos de la zona ma cara
points(lon[mas.caro],lat[mas.caro],col="green",pch=3,cex=5)
points(lon[vecinos[[mas.caro]]],lat[vecinos[[mas.caro]]],col="green",pch=16,cex=0.1)
# puntos de la zona ma barata
points(lon[mas.barato],lat[mas.barato],col="red",pch=3,cex=5)
points(lon[vecinos[[mas.barato]]],lat[vecinos[[mas.barato]]],col="red",pch=16,cex=0.1)
# puntos de la zona prototipico
points(lon[promedio],lat[promedio],col="blue",pch=3,cex=5)
points(lon[vecinos[[promedio]]],lat[vecinos[[promedio]]],col="blue",pch=16,cex=0.1)
# los barrios de cada zona
rev(sort(table(barrio[vecinos[[mas.barato]]])))[1:3]##
## Flores Villa Lugano Floresta
## 390 191 181rev(sort(table(barrio[vecinos[[promedio]]])))[1:3]##
## Almagro Villa Crespo Parque Centenario
## 527 284 122rev(sort(table(barrio[vecinos[[mas.caro]]])))[1:3]##
## Puerto Madero San Telmo Monserrat
## 786 102 35# boxplots comparativos de las 3 zonas
boxplot(pm2[vecinos[[mas.barato]]],pm2[vecinos[[promedio]]],pm2[vecinos[[mas.caro]]],outline = FALSE,col=c("red","blue","green"))
Algunas reflexiones
zonas del espacio cercanas tienen comportamientos similares fijar la cantidad de vecinos genera ventanas adaptativas mas vecinos brinda resultados mas moderados menos vecinos brinda resultados mas extremos