Projeto 17 · Análise geoespacial

Análise Geoespacial de Airbnb em Londres

✅ publicado dados: 2025

Análise geoespacial dos preços Airbnb em Londres através da distância ao centro, bairros e métricas de vizinhança geográfica.

Python
Pandas
Plotly
Airbnb
Geoespacial
KNN

CONTEXTO E OBJETIVO

Analisar como muda o preço dos alojamentos Airbnb em Londres consoante a localização, a distância ao centro e o contexto de outros alojamentos comparáveis na envolvente.

DADOS E DIAGNÓSTICO

  • Segmentação de cada alojamento como barato, estável ou caro dentro do seu próprio tipo através dos percentis 25 e 75.
  • Cálculo da distância geográfica a Charing Cross e comparação de preços por bairro e por intervalos de distância ao centro.
  • Construção de variáveis de vizinhança com KNN (K-Nearest Neighbors / vizinhos mais próximos) para medir o preço mediano e a pressão de alojamentos caros em contextos comparáveis.
  • Representação através de mapas de preço, distância e contexto local para detetar concentrações e padrões territoriais.

ENTREGA E APRENDIZAGEM

A análise integra segmentação relativa de preços, distância ao centro e métricas de vizinhança para construir uma leitura territorial do mercado. Os mapas permitem comparar bairros, detetar zonas com maior concentração de preços altos e compreender como se comporta cada alojamento face a outros próximos do mesmo tipo.