-
Notifications
You must be signed in to change notification settings - Fork 0
/
LA_app2.py
143 lines (113 loc) · 7 KB
/
LA_app2.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
import streamlit as st
import pandas as pd
import folium
from folium.plugins import FastMarkerCluster
import geopandas as gpd
from branca.colormap import LinearColormap
from streamlit_folium import st_folium
# Configuración de la página
st.set_page_config(page_title="LA Airbnb Analysis", layout="wide")
# Show the page title and description.
st.title("🏠 Los Ángeles - Airbnb dataset")
st.write(
"""
Esta aplicación permite explorar los datos de los alojamientos de Airbnb en Los Ángeles.
Utilizamos el conjunto de datos de [Inside Airbnb](http://insideairbnb.com/get-the-data.html).
"""
)
# Función para cargar el archivo listings.csv localmente
@st.cache_data
def load_data():
return pd.read_csv(r'LA_clean.csv')
# Cargar los datos
LA = load_data()
# Definir las funciones para cada página
def show_home():
st.title("Inicio")
st.header("Bienvenido al Análisis de Airbnb en Los Ángeles")
st.write("Utilice el menú lateral para navegar a través de diferentes secciones y obtener información específica.")
#st.image('data/los_angeles.jpg', caption='Los Ángeles')
with st.expander('Origen de los Datos'):
st.markdown("""
Los datos utilizados en este proyecto han sido proporcionados por InsideAirbnb. Este dataset tiene múltiples columnas que detallan las propiedades de Airbnb en Los Ángeles.
""")
st.image(r'variables.jpg')
with st.expander("Historia de Los Ángeles"):
st.write("Los Ángeles es una ciudad conocida por su clima soleado, sus playas y su industria del entretenimiento, especialmente el cine y la televisión. Es la ciudad más poblada de California y la segunda del país.")
with st.expander("Ruta de los vecindarios"):
st.write("Los vecindarios en Los Ángeles ofrecen una diversidad única, desde áreas urbanas hasta zonas más residenciales. Quizás los barrios más exclusivos y conocidos sean Bel-Air, Hollywood y Beverly hills.")
#st.image('data/la_neighborhoods.jpg', caption='Barrios de Los Ángeles')
with st.expander("Wordcloud"):
show_dashboard()
def show_analysis():
st.title("Análisis")
st.header("Escoge un dashboard para investigar")
# URL del dashboard de Power BI
power_bi_url = "https://app.powerbi.com/view?r=eyJrIjoiNWQ2ZDBiNmYtMmY1NC00YTkyLWE3MTQtYmIwMmY3YzZjYWE2IiwidCI6IjhhZWJkZGI2LTM0MTgtNDNhMS1hMjU1LWI5NjQxODZlY2M2NCIsImMiOjl9"
# Mostrar el iframe del dashboard de Power BI
st.components.v1.iframe(power_bi_url, height=600)
def show_interactive_map():
st.title("Mapa interactivo")
show_interactive_map()
def show_dashboard():
st.title("WordCloud de Amenities")
st.write("A continuación se muestran los amenities más ofrecidos")
st.image(r'wordcloud.png')
# Función para mostrar el mapa interactivo
def show_interactive_map():
st.header("Análisis de Datos de Airbnb en Los Ángeles")
st.write('Aquí podrás visualizar el mapa de Los Ángeles y aplicar diversos filtros')
# Ejemplo de integración de un mapa usando Folium y Streamlit-Folium
columns_to_load = ['latitude', 'longitude', 'name', 'host_name', 'price', 'bedrooms','neighbourhood_group', 'neighbourhood','price_level','antiguedad_ex','accommodates','has_pet', 'review_scores_rating','room_type']
listings = pd.read_csv(r'LA_clean.csv', usecols=columns_to_load)
# Dividir la pantalla en dos columnas
map_column, filter_column = st.columns([3, 1])
with filter_column:
st.write("Filtrar por:")
# Ejemplo de inicialización de filtros para incluir todas las opciones por defecto
selected_price = st.slider('Selecciona un precio', min_value=int(listings['price'].min()), max_value=int(listings['price'].max()), value=[int(listings['price'].min()), int(listings['price'].max())])
selected_bedrooms = st.slider('Seleccion Nº de habitaciones', min_value=0, max_value=int(listings['bedrooms'].max())+1, value=[0, int(listings['bedrooms'].max())+1])
neighbourhood_group = st.multiselect('Zonas', listings['neighbourhood_group'].unique(), default=listings['neighbourhood_group'].unique())
neighbourhood_options = ['Todos'] + sorted(listings['neighbourhood'].unique())
neighbourhood = st.multiselect('Barrios', options=neighbourhood_options, default=['Todos'])
price_level = st.selectbox('Nivel de precios', ['Todos'] + list(listings['price_level'].unique()))
antiguedad_ex = st.slider('Antigüedad', 0, int(listings['antiguedad_ex'].max())+1, value=[0, int(listings['antiguedad_ex'].max())+1])
accommodates = st.slider('Nº de Huéspedes', 1, listings['accommodates'].max()+1, value=[1, listings['accommodates'].max()+1])
has_pet = st.radio('Admite mascota', ['Todos', 'Sí', 'No'])
review_scores_rating = st.slider('Puntuación', 0, 5, value=[0, 5])
room_type = st.selectbox('Tipo de alojamiento', ['Todos'] + list(listings['room_type'].unique()))
# Filtrar datos con condiciones para cada filtro
filtered_listings = listings[
(listings['price'].between(selected_price[0], selected_price[1])) &
(listings['bedrooms'].between(selected_bedrooms[0], selected_bedrooms[1]-1)) &
(listings['neighbourhood_group'].isin(neighbourhood_group) if neighbourhood_group else True) &
(listings['neighbourhood'].isin(neighbourhood) if 'Todos' not in neighbourhood else True) &
(listings['price_level'] == price_level if price_level != 'Todos' else True) &
(listings['antiguedad_ex'].between(antiguedad_ex[0], antiguedad_ex[1]-1)) &
(listings['accommodates'].between(accommodates[0], accommodates[1]-1)) &
(listings['has_pet'] == (has_pet == 'Sí') if has_pet != 'Todos' else True) &
(listings['review_scores_rating'].between(review_scores_rating[0], review_scores_rating[1])) &
(listings['room_type'] == room_type if room_type != 'Todos' else True)
]
with map_column:
m = folium.Map(location=[34.0522, -118.2437], zoom_start=11)
locations = filtered_listings[['latitude', 'longitude']].values.tolist()
popup_texts = [f"Name: {row['name']}<br>Host: {row['host_name']}<br>Price: {row['price']}<br>Bedrooms: {row['bedrooms']}" for _, row in filtered_listings.iterrows()]
marker_cluster = FastMarkerCluster(data=locations, popups=popup_texts, name='Airbnb Listings')
marker_cluster.add_to(m)
folium.LayerControl().add_to(m)
st_folium(m, width=700, height=500)
# Definir el contenido de la barra lateral (sidebar)
st.sidebar.image(r"airbnbwhite.png", width=150)
st.sidebar.title("Selección")
page_options = ["Inicio", "Análisis", "Mapa interactivo"]
page_selection = st.sidebar.radio("Go to", page_options)
# Mostrar la página seleccionada
if page_selection == "Inicio":
show_home()
elif page_selection == "Análisis":
show_analysis()
elif page_selection == "Mapa interactivo":
show_interactive_map()
elif page_selection == "WordCloud de Amenities":
show_dashboard()