Skip to content

assignment.md

Latest commit

 

History

History
86 lines (57 loc) · 5.6 KB

assignment.md

File metadata and controls

86 lines (57 loc) · 5.6 KB

Анализ недвижимости в США

ЗАДАНИЕ

В настоящем задании, вы получаете доступ к набору данных о стоимости недвижимости в различных районах штата Калифорния, США.

Данные хранятся в реляционной БД в виде двух таблиц

neighborhoods - случайная выборка районов штата Калифорния. Каждая строка таблицы представляет собой какой-то район.

Атрибуты

  • id - уникальный идентификатор, primary key;
  • longitude - географическая долгота, град.;
  • latitude - географическая широта, град.;
  • median_house_value - медианная стоимость жилого дома в данном районе, доллар США;
  • population - численность населения района, чел.;
  • ocean_proximity - кластер по принципу близости к океану, качественная переменная;

cluster_mean_values - каждая строка данной таблицы представляет собой кластер районов, сгруппированных по принципу близости к океану.

Атрибуты

  • ocean_proximity_cluster - кластер по принципу близости к океану, качественная переменная;
  • mean_median_house_value - среднее значение медианной стоимости жилого дома во ВСЕХ районах данного кластера, доллар США;

Caution

mean_median_house_value - значение для всей генеральной совокупности районов в кластере. Таблица neighborhoods, в свою очередь, содержит только ВЫБОРКИ из каждого кластера, но не ген. совокупности. Если вы посчитаете среднее арифметическое median_house_value - это будет ВЫБОРОЧНЫМ значением.

ВАШИ ЗАДАЧИ

  1. Извлечь таблицу neighborhoods в датафрейм. В части записей отсутствуют данные в атрибуте ocean_proximity (null-значения), их необходимо восстановить. Фактически, это задача классификации. Проведите разведочный анализ, подумайте, как в принципе её возможно решить;
  2. Исправить null-значения ocean_proximity в самой БД. Условие: нельзя заменять таблицу в БД на новую, только через обновление значений с помощью SQL;
  3. С помощью SQL создать объединенный датасет со значениями из двух таблиц БД, т.е. чтобы у каждого района было известно среднее арифметическое медианной стоимости жилья для районов в его кластере. Условие: только с помощью SQL, не с помощью Python;
  4. Определить форму распределения median_house_value в каждом кластере. Определить выборочные средние median_house_value и их отклонения от средних ген. совокупностей. Все изобразить графически для каждого кластера. В виде комментария описать ваши выводы о репрезентативности выборок;
  5. Определить зависимость стоимости жилья от численности населения района в каждом кластере. Описать в виде комментария;

Important

Каждое задание необходимо сопроводить комментариями, в которых вы поясняете, чего конкретно добиваетесь и почему используете именно выбранный способ решения. Обоснуйте ваши действия и сформулируйте выводы.

установление соединения с БД

''' 
    Необходимо установить библиотеку SQLAlchemy, если она отсутствует в вашей среде. Смотрите документацию для вашей среды.
    Если вы используете PIP: pip install SQLAlchemy
    Если вы используете Anaconda: conda install -c anaconda sqlalchemy
'''

from sqlalchemy import create_engine

engine = create_engine('sqlite:///test_project.db')

Обращение к БД

#обращаться к БД можно с помощью pandas:

import pandas as pd

sql = #ваш запрос на SQL в виде строки
df = pd.read_sql(sql, engine)


#либо таким способом:

with engine.begin() as conn:
    sql = #ваш запрос на SQL в виде строки
    conn.execute(sql)

ТЕСТОВЫЕ ДАННЫЕ

ПРИМЕРЫ РЕШЕНИЙ

Назад