賃貸情報の分析

オススメ駅
今回オススメする駅は馬車道駅です。



最初のグラフは学校までの合計時間を示している。
ここからみなとみらい線が１番短いことがわかる。
二つ目のグラフは路線別の平均築年数を表している。
みなとみらい線に属する家は新築に近いことがわかる。
三つ目は面積と家賃を表している。
みなとみらい線に属する家は面積が広いことがわかる。

オススメ賃貸物件
ザ・タワー横浜北仲 58階 2LDKここがオススメ物件になる。
家賃はなんと150万円になる。
この物件はみなとみらい線にある馬車道駅から徒歩1分のところにある。
他にも京浜東北線、ブルーライン線が通っている桜木町駅まで徒歩で8分でついてしまう位置にある。
しかもこの物件の近くには様々な施設があり、生活に困ることはまずないと思う。
物件詳細

↑ここから付近にある施設を確認できる。
近くにたくさんの施設があり、車で遠くに行く際、高速道路も近くにある。
このことからグラフや上のマップを見てもらうと馬車道駅の立地の良さがわかる。
この物件は高い。この辺りにはもっと安い物件もあるだろう。
普通の神大生には住むのは難しいですが、普通に囚われてしまうとオリジナリティが出せない。
オリジナリティを出したいと思いこのぶっ飛んだ額の物件を選んだ。
ここから最初に見せたグラフのコードになる。
  1. import pandas as pd
  2. import matplotlib.pyplot as plt
  3. pd.set_option('display.unicode.east_asian_width', True)
  4. plt.rcParams['font.family'] = 'IPAexGothic'
  5. plt.rcParams['font.size']=9
  6. data_path = "xbp_suumo-main\data\yokohama_kawasaki.csv"
  7. df_data = pd.read_csv(data_path, encoding="utf-8-sig")
  8. print(df_data.columns)
  9. print(df_data["合計時間"].describe())
  10. print(df_data.groupby("路線").mean().loc[:,"合計時間"].sort_values()[:12])
  11. df_data.groupby("路線").mean().loc[:,"合計時間"].sort_values()[:12].plot.bar(figsize = (12, 8))
  12. plt.subplots_adjust(left=0.02, right=0.98,bottom=0.3)
  13. plt.show()
  14. print(df_data.groupby("路線").mean().loc[:,"家賃"].sort_values()[:12])
  15. df_data.groupby("駅").mean().loc[:,"家賃"].sort_values()[:12].plot.bar(figsize = (12, 8))
  16. plt.subplots_adjust(left=0.02, right=0.98,bottom=0.3)
  17. plt.show()

今回学んだこと


第７回の反省をふまえて


これはみなとみらい線の過去の人身事故件数を表している。
2019年のを最後に現在までみなとみらい線での人身事故の件数はない。

これは地元で通っている小田急江ノ島線の人身事故の件数を表している。
みなとみらい線と小田急江ノ島線の人身事故の件数を比べてみるとよくわかるようにみなとみらい線はほとんど人身事故がないことがわかる。
このことから人身事故によって何十分、何時間と電車が止まってしまい移動出来なくなる事がほとんどない。
これらのことからみなとみらい線にある馬車道駅をオススメする。
参考サイト１
参考サイト２