R/casas_preprocesamiento.R

In tereom/fundamentos: Notas del curso fundamentos de estadistica.

library(tidyverse)
## Seleccionar variables para curso y poner nombres en español
casas_f <- read_csv("data/housing/data_train.csv") %>% 
    select(id = Id, tipo_zona = MSZoning, frente_lote = LotFrontage, 
           area_lote = LotArea,
           calle = Street, forma_lote = LotShape,
           nombre_zona = Neighborhood, 
           tipo_edificio = BldgType, estilo = HouseStyle, 
           calidad_gral = OverallQual,
           condicion_gral = OverallCond, 
           año_construccion = YearBuilt, 
           calidad_exteriores = ExterQual, 
           material_exteriores = Exterior1st,
           condicion_exteriores = ExterCond, 
           calidad_sotano = BsmtQual, 
           condicion_sotano = BsmtCond, 
           tipo_sotano = BsmtFinType1,
           area_sotano = TotalBsmtSF, 
           calefaccion = Heating, 
           calidad_calefaccion = HeatingQC,
           aire_acondicionado = CentralAir, 
           area_1er_piso = `1stFlrSF`, 
           area_2o_piso = `2ndFlrSF`,
           area_habitable_sup = GrLivArea, 
           baños_completos = FullBath, 
           baños_medios = HalfBath, 
           recamaras_sup = BedroomAbvGr,
           calidad_cocina = KitchenQual, 
           cuartos_sup = TotRmsAbvGrd, 
           tipo_garage = GarageType,
           terminado_garage = GarageFinish, 
           num_coches = GarageCars, 
           area_garage = GarageArea, 
           calidad_garage = GarageQual, 
           condicion_garage = GarageCond,
           valor_misc = MiscVal, 
           año_venta = YrSold, 
           mes_venta = MoSold, 
           tipo_venta = SaleType,
           condicion_venta = SaleCondition,
           precio = SalePrice)
pos <- read_csv("data/housing/geo_neighborhoods.csv") %>% 
    rename(nombre_zona = Neighborhood)
casas_f <- left_join(casas_f, pos, by = "nombre_zona")
# metros cuadrados y miles de dólares
m2 <- 0.092903
casas_f <- casas_f %>% mutate(area_sotano_m2 = area_sotano * m2, 
                          area_1er_piso_m2 = area_1er_piso * m2,
                          area_2o_piso_m2 = area_2o_piso * m2, 
                          area_habitable_sup_m2 = area_habitable_sup * m2, 
                          area_garage_m2 = area_garage * m2, 
                          area_lote_m2 = area_lote * m2) %>% 
    select(-area_sotano, -area_1er_piso, -area_2o_piso, -area_habitable_sup,
           -area_garage, -area_lote) %>% 
    mutate(precio_miles = precio / 1000, valor_misc_miles = valor_misc / 1000) %>% 
    select(-precio, -valor_misc) %>% 
    mutate(precio_m2_miles = precio_miles / area_habitable_sup_m2)

casas <- casas_f %>% group_by(nombre_zona) %>% 
    mutate(n_casos = n()) %>% 
    filter(n_casos > 20) %>% select(-n_casos) %>% ungroup