Airbnb 北京地区数据可视化——用户篇

最新推荐文章于 2024-07-17 08:49:51 发布

蝶飞祭

最新推荐文章于 2024-07-17 08:49:51 发布

阅读量1.8k

点赞数

分类专栏：项目记录文章标签：可视化

本文链接：https://blog.csdn.net/qq_26333293/article/details/105957113

版权

本项目基于Airbnb公开数据集，分析北京地区的房源分布、价格趋势和用户评价，通过可视化处理创建数据面板。重点包括地理位置、房屋类型、房源价格和评价信息的展示，以满足用户需求。数据准备阶段涉及数据导入、清洗和预处理，最终在Tableau中完成可视化图表整合。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 项目摘要

Airbnb成立于2008年8月，是一个旅行房屋租赁社区，用户可发布、搜索度假房屋租赁信息并完成在线预定。2015年，Airbnb正式进入中国市场，在国内掀起了一波城市民宿的热潮。本项目基于Airbnb公开数据集，从用户角度出发，对Airbnb在北京地区的运营数据进行可视化处理，制作数据面板以探索北京地区的房源分布、价格趋势以及用户评价。

2 分析思路

需求理解——发掘用户关注点

假设一个从没到过北京的新用户访问了Airbnb北京地区的网页，TA首先希望了解的可能是该地区的房源分布、房屋类型，以便决定自己要住在哪里、有哪些房型可供选择，因此展示不同地段的房源分布和房型是有必要的；其次TA通常会看看各地区不同房型的租金，考虑是否符合自己的预算，那么我们需要提供房源价格的相关信息；接下来TA可能想进一步了解各种房源的评价，寻找一处舒心的居所或是避免踩坑，所以我们应该附上房源相关的评价信息……综上，可视化中需要包含的要素可以归纳如下

地理位置
房屋类型
房源价格
房源/房主评价

除了提供相关信息之外，考虑到需要呈现的数据量，采取何种方式聚合以及呈现数据也是需要斟酌的问题。在下文中将会结合使用的数据具体描述数据的呈现方式。

数据理解

Airbnb提供的数据集由6个表组成，包括39,732个房屋id及其对应的14,234个房东id，涵盖了地理位置、房源概况、住宿条件、预订要求、房东评价等方面的内容。主要表结构如下：

表名称	功能与结构
listings_detail.csv	房源的基本概况。用id和host_id区分每个房源及其房主，一条记录对应一个房源id，id具有唯一性。
reviews_detail.csv	住客的评价信息。Listing_id对应listings表中的房屋id，每一行代表一位用户对一个房源的评价。
calendar.csv	未来365天的房源预订信息。listing_id对应listings表中的id项，对于每个唯一的listing_id均有365条记录，表示该房源在未来365天内的每日预订信息。
neighbourhoods.geojson	提供了北京各区的地理位置信息

其中，listings表和reviews表分别有一个子表项，用于快速展示部分字段内容；
listings_detail表由106个字段构成，记录了39,732个房源的基本情况，提供了制作数据面板的主要信息；reviews_detail表由298,807个带有6个属性的评论组成，提供了listings表中的超过2W条房源的评价详情；
calendar表提供了39,732个房源在未来365天内的详细预定信息，共计14,502,180条。包括日期，价格，最大/最小起订天数。
neighbourhoods表提供了geojson格式的地理位置信息，可以用于绘制各区域的地图。

围绕上述可能的用户关注点，结合所拥有的数据，选择需要展现的字段，然后就可以开始进入数据准备与可视化的阶段了。