Vamos iniciar nosso projeto? Para começar, precisamos identificar quais fatores contribuem para estabelecer o preço de venda de uma casa. Para isso, é necessário entender uma base de dados do mercado imobiliário e identificar quais fatores estão disponíveis para nossa análise.
Conhecendo os dados
Começaremos com o Google Colab aberto para ler e interpretar os dados. O link do notebook está disponibilizado na atividade Preparando o ambiente.
Carregando a base de dados
Na seção "Conhecendo os dados", daremos início à leitura dos dados. No menu lateral esquerdo da tela, encontramos um ícone de pasta ("Arquivos") na última posição da lista. Vamos clicar nele para carregar os dados, os quais também estão disponíveis para download.
Para carregar os dados, basta arrastar o arquivo Preços_de_casas.csv para a seção "Arquivos". Após finalizar, vamos clicar no menu kebab à direita do arquivo e selecionar "Copiar caminho".
Importando a biblioteca Pandas
Para ler os dados no Google Colab, precisamos importar uma biblioteca que irá nos auxiliar. Em uma nova célula, vamos digitar o comando import pandas as pd, adicionando um apelido para a biblioteca.
Lendo os dados
Agora que já importamos, podemos ler os dados: em uma nova célula, definiremos dados igual ao método pd.read_csv(), que será responsável por ler o arquivo CSV que carregamos. Para isso, abrimos aspas duplas entre parênteses e colamos o caminho copiado anteriormente.
dados = pd.read_csv("/content/Preços_de_casas.csv")
Visualizando os fatores coletados
Ao executar essa célula, os dados serão lidos corretamente. Porém, ainda precisamos visualizar os fatores coletados das casas. Sendo assim, vamos utilizar o método dados.info().
Como retorno, temos várias informações:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1438 entries, 0 to 1437
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Id 1438 non-null int64
1 area_primeiro_andar 1438 non-null float64
2 existe_segundo_andar 1438 non-null int64
3 area_segundo_andar 1438 non-null float64
4 quantidade_banheiros 1438 non-null int64
5 capacidade_carros_garagem 1438 non-null int64
6 qualidade_da_cozinha_Excelente 1438 non-null int64
7 preco_de_venda 1438 non-null float64
dtypes: float64(3), int64(5)
memory usage: 90.0 KB
Note que são 1.438 casas diferentes, organizadas em 8 aspectos separados por colunas. Dessas 8 colunas, podemos identificar o ID (Id), ou seja, o identificador único de cada casa. Além disso, temos dados sobre:
- A área do primeiro andar (
area_primeiro_andar); - Se existe segundo andar nessa casa (
existe_segundo_andar); - Se existe qualquer área do segundo andar (
area_segundo_andar); - A quantidade de banheiros (
quantidade_banheiros); - A capacidade de carros na garagem (
capacidade_carros_garagem); - E a qualidade da cozinha (
qualidade_da_cozinha_Excelente).
Ao final, temos o preço de venda (preco_de_venda) de cada uma das casas. A partir disso, precisamos entender o seguinte: esses aspectos conseguem nos ajudar a estipular o preço de venda?
Removendo colunas
Quando observamos esses dados, o ID, por exemplo, talvez não seja algo tão explicativo, então podemos retirá-lo. Para isso, usaremos o método dados.drop() recebendo a coluna Id entre parênteses no atributo columns. Em sequência, atribuiremos isso a dados.
dados = dados.drop(columns = "Id")
Feito isso, teremos apenas informações sobre características e preço da casa.
A base de dados que utilizamos foi simplificada a partir da base House Prices do Kaggle. Fizemos algumas alterações para reais e metros quadrados, para evitar barreiras no seu aprendizado.
Conclusão
Agora que conhecemos os fatores da base de dados, podemos nos questionar: quais desses fatores estão correlacionados ao preço de venda das casas?