種類別の不動産の取引価格割合を調べる
ある地域で現在売りに出されている不動産のうち、どんな種類がどの価格割合で売られているか調べます。
中古マンション、宅地（土地＋建物）、土地のみ、林地 などの不動産で、どの種類の取引価格割合が多いでしょうか。
データを取得する
下記サイトからサンプルデータを取得してきます。
好きな地域を指定して、種類は比較するために「すべて」を選択してください。
時期は5年分程度を取得するとある程度傾向を知ることができるのではないでしょうか。
（統計学について詳しくないので、知りたい結果を得るためにどれ程ののデータが必要なのかはわかりません。残念ですね。）
自分の近所のデータとかでも面白いかも。
Shift_JIS から UTF-8 に変換
データ処理のために下記処理でエンコードを変換してください。
input_file = "きみがとってきた.csv"
output_file = "きみがとってきた_utf8.csv"
with open(input_file, 'r', encoding='shift_jis', errors='replace') as f_in:
content = f_in.read()
with open(output_file, 'w', encoding='utf-8') as f_out:
f_out.write(content)
print("エンコーディングの変換が完了しました。")
確認してみる
# データを読み込む
df = pd.read_csv(output_file)
print(df.head())
結果
種類 価格情報区分 地域 市区町村コード 都道府県名 市区町村名 地区名 最寄駅：名称 最寄駅：距離（分） 取引価格（総額） 坪単価 間取り ... 建物の構造 用途 今後の利用目的 前面道路：方位 前面道路：種類 前面道路：幅員（ｍ） 都市計画 建ぺい率（％） 容積率（％） 取引時期 改装 取引の事情等
0 中古マンション等 成約価格情報 NaN 1107 北海道 札幌市西区 琴似４条 琴似(札幌市営) 9 24000000 NaN ４ＬＤＫ ... ＳＲＣ NaN NaN NaN NaN NaN １種住 居 NaN NaN 2021年第3四半期 NaN NaN
1 中古マンション等 成約価格情報 NaN 1107 北海道 札幌市西区 琴似４条 琴似(札幌市営) 6 21000000 NaN ３ＬＤＫ ... ＲＣ NaN NaN NaN NaN NaN １低住専 NaN NaN 2021年第3四半期 NaN NaN
2 中古マンション等 成約価格情報 NaN 1107 北海道 札幌市西区 琴似４条 琴似(札幌市営) 6 23000000 NaN ３ＬＤＫ ... ＲＣ NaN NaN NaN NaN NaN １種住居 NaN NaN 2021年第3四半期 NaN NaN
3 中古マンション等 成約価格情報 NaN 1107 北海道 札幌市西区 西野２条 発寒南 10 3000000 NaN ３ＬＤＫ ... ＲＣ NaN NaN NaN NaN NaN 近隣商業 NaN NaN 2021年第3四半期 NaN NaN
4 中古マンション等 成約価格情報 NaN 1107 北海道 札幌市西区 西野２条 発寒南 12 2000000 NaN ３ＤＫ ... ＲＣ NaN NaN NaN NaN NaN NaN NaN NaN 2021年第3四半期 NaN NaN
文字化け対応
文字化けを直すため置換します。
df.rename(columns={'延床面積（�u）': '延床面積（㎡）'}, inplace=True)
整形後のデータ確認
print(df.describe())
市区町村コード 取引価格（総額） 坪単価 取引価格（�u単価） 前面道路：幅員（ｍ） 建ぺい率（％） 容積率（％）
count 6714.0 6.714000e+03 1.800000e+03 1800.000000 4276.000000 5581.000000 5581.000000
mean 1107.0 3.237656e+07 3.082100e+05 93198.261111 9.389874 61.058950 193.406200
std 0.0 5.540421e+07 1.724856e+05 52277.547987 6.038094 9.803094 72.718769
min 1107.0 3.000000e+04 8.400000e+02 260.000000 2.500000 30.000000 60.000000
25% 1107.0 1.300000e+07 1.900000e+05 59000.000000 6.500000 60.000000 200.000000
50% 1107.0 2.200000e+07 2.900000e+05 88000.000000 8.000000 60.000000 200.000000
75% 1107.0 3.400000e+07 3.925000e+05 120000.000000 10.000000 60.000000 200.000000
max 1107.0 1.500000e+09 2.900000e+06 880000.000000 88.000000 90.000000 500.000000
グラフとして表示する
種類ごとに合計金額を .groupby("種類").sum()
で求め
df["x軸ラベル"].plot.pie(y="y軸ラベル")
で円グラフとして表示する。
df_tmp = df.groupby("種類").sum()
df_tmp["取引価格（総額）"].plot.pie(y="取引価格（総額）")
plt.show()
結果
一番割合が多いのは宅地（土地と建物）でした。二番目は土地ですね。
建物を取り壊さずそのまま土地と一緒に売りに出すケースが多いようです。
建物壊すのにもお金かかりますしね。
土地の取引価格割合のほうが中古マンションより大きいので空き地がけっこうあるのかもしれません。
これは面積で比較したほうがいいので今度やってみたいと思います。
もう少し、いろいろな値を基準に比較してこのデータから何がわかるか今度調べてみたいです。
