香港地区Airbnb数据可视化分析

一、背景
Airbnb作为一个新兴的短租平台，颠覆了大众对于传统酒店住宿的认知，随着社区平台的不断发展壮大，为世界各国的诸多旅行者们提供了数以百万计的独特入住选择，其中包含别墅、公寓、城堡、树屋等。同时，也使得有空闲资源的房东可以进行出租，提高闲置资源利用率从而获得最大收益。
本文主要是针对2021年Airbnb在其公开数据平台http://insideairbnb.com/上发布的关于中国香港地区的房源信息数据集进行探索，目的是对香港地区民宿区域分布、价格等数据进行可视化分析，进而为不同类型的游客团体（家庭、情侣、单人行）提供一些住宿建议。

二、数据准备
本数据集来源于Airbnb于2021年在其数据公开网站http://insideairbnb.com/所发布的关于中国香港地区的房源公共信息，不包含任何私人信息。

三、初探数据

1. 导入文件查看原始数据信息
   
   通过上图，我们可以看出整个数据集包含16个特征，并且大多数特征都有6943行数据，所以对于neighbourhood_group、last_review、reviews_per_month这三个特征我们认为其中的数据存在异常，需要对其进行处理，处理思路如下：
   1）neighbourhood_group这一列全部为空值，所以采取整列删除的方法；
   2）通过观察可以发现last_review、reviews_per_month这两列数据中存在部分缺失的情况，可能是由于这些房源刚刚上线，暂时无人浏览或租住，这里选择直接不处理；
   3）发现name这一列中少了一个数据，应该是录入缘故导致单个数据的缺失，我们选择删除name为空的数据所对应的整行数据。
   经过上述处理后，源数据信息如下图所示：
   
2. 对整个数据集的连续性字段进行描述性统计分析
   从上述分析中，我们可以得出以下几点结论：
   1）price均方差值较大，说明价格分布较广，平均价格在700元左右，中位数为400元左右，但是存在极大值的干扰，需要对其做后续处理；
   2）minimum_nights存在极大值干扰（注意：这里默认超过365天就是异常值），需要对其进行后续处理；
   3）从availability_365列的统计分析中可以看出，有超过一半的名宿全年可入住天数超过350天；
   4）calculated_host_listings_count存在一些极值，而且在查看数据基本信息时可以发现，每个特征正常数据都有6942条，而host_name为6685条数据，说明可能存在一位房主同时运营多套名宿的情况；
   5）number_of_reviews存在极大值，可能需要注意是否存在恶意刷评论的情况。

通过初探数据集，我们对整个数据集的结构有了一个清晰的了解，最后，我们可以将上述处理后的数据集重新保存，然后导入Tableau进一步进行可视化分析。

三、民宿分布分析
这一部分主要是针对香港各区民宿分布情况进行分析和可视化描述。
首先，通过一个地图展示各区民宿分布情况：

通过上图，我们可以发现基本上在香港各区都有民宿分布，但是无法直观的看出民宿分布较为集中的区域，所以可以再绘制一个饼图进行辅助分析：

通过上图，我们不难看出，有超过60%的民宿主要分布于油尖旺区和湾仔区。也可以说明，在这两个区，对于民宿的需求量较大，游客选择在油尖旺区和湾仔区住宿的可能性较大。

四、性价比分析

1. 首先，我们可以做一个均价对比分析：
   

2. 在第三部分，我们通过饼图可以看出民宿主要分布在油尖旺区和湾仔区，其房源均价分别为697，658，在上图中处于中间水准，性价比较高；

3. 接着，我们对油尖旺区和湾仔区不同房型做一个对比分析：
   
   通过上图，我们可以看出，油尖旺区和湾仔区Entire home/apt价格差异不是很大，而Hotel room、Private room、Shared room的价格差异在100～250之间。

五、结论
综上分析，可以得出如下结论：

1. 游客如果选择Airbnb房源住宿，可优先考虑油尖旺区和湾仔区，这两个区域房源量较为充足，可选性强，性价比高；
2. 如果是家庭出游，建议选择Entire home/apt房型，这一房型在两区价格上并无太大差异；
3. 如果是情侣出游，可以选择湾仔区的Hotel room或油尖旺区的Private room房型，这两类房型私密性更强，性价比较高；
4. 如果是个人出游，建议选择湾仔区的Shared room房型，价格较为实惠。

写在最后：

1. 以上所有结论均基于第三部分中的listing文件得出，部分论点可能缺乏其他论据支撑；
2. 本数据集中存在部分数据缺失情况，且无法通过其他数据源进行进一步处理分析，可能存在一定误差；
3. 数据源中本身缺少各类房型最低和最高限制入住人数，所以上述结论仅具有部分实际参考意义，具体信息可自行登陆Airbnb网站进行查看；
4. 本次分析仅表达个人从此数据集中得到的部分观点，不够全面，如果各位读者有更好的分析方向，可一起研究探讨。