alessandrob1-star/ibm-final-project-airbnb-data-analysis-2023

# Airbnb 纽约市 - 探索性数据分析    **期末结业项目** | IBM 数据分析课程 ## 📋 项目概述 本项目展示了对纽约市 Airbnb 市场的完整**探索性数据分析 (EDA)**。从原始数据集开始，分析过程包括数据清洗、预处理、可视化，以及提取有关定价模式、房源类型和各社区表现的有效商业洞察。 ## 🎯 目标 - 评估数据质量并进行彻底的清洗（缺失值、重复项、不一致的数据） - 规范列名和数据格式 - 分析不同房源类型和行政区之间的定价动态 - 找出最活跃且利润最高的社区 - 为房东和市场利益相关者提取具有指导意义的洞察 ## 🛠 工具与技术 - **Python** - **Pandas** & **NumPy** — 数据处理 - **Matplotlib** & **Seaborn** — 数据可视化 - **Jupyter Notebook** ## 📈 核心洞察 - 令人意外的是，**皇后区 (Queens)** 的平均挂牌价格最高，其次是布朗克斯区 (Bronx) 和布鲁克林区 (Brooklyn)。 - 各行政区之间的价格差异相对较小，因此应谨慎解读此结果，这可能是数据集局限性所致，而非反映了真实的实际市场价格。 - **整套住宅/公寓**的价格明显高于独立房间和合住房间。 - `price` 与 `service_fee` 之间存在极强的正相关关系（**~0.99**）。 - 房源高度集中在少数几个热门社区（如威廉斯堡、贝德福德-斯泰弗森特、哈林区等）。 - 经过预处理后，数据集相对干净，未检测到极端的价格异常值。 ## 📜 认证证书 **IBM 数据分析课程** - 期末项目  [查看 Credly 徽章](https://www.credly.com/badges/94cd09c5-fbca-466d-b6a5-b38ac423fbeb/linked_in?t=s3wbqe) ## 👤 作者 **Alessandro Benevelli** **欢迎浏览该 Notebook，如有任何问题，请随时联系！**

标签：NoSQL, Python, 代码示例, 探索性数据分析, 数据分析, 无后门, 逆向工具