Hoʻolaʻa ʻia kēia pūʻulu ʻatikala i ke aʻo ʻana i ka hana hana ma ke kūlanakauhale nui o Silicon Valley - Kapalakiko. ʻO Kapalakiko ka ʻenehana "Moscow" o ko mākou honua, me ka hoʻohana ʻana i kāna hiʻohiʻona (me ke kōkua o ka ʻikepili hāmama) e nānā i ka hoʻomohala ʻana o ka ʻoihana hana ma nā kūlanakauhale nui a me nā poʻo nui.
Ua hana ʻia ke kūkulu ʻana i nā pakuhi a me ka helu ʻana ma (ma ke kahua ʻo Kaggle.com).
ʻO ka ʻikepili i ʻoi aku ma mua o hoʻokahi miliona mau palapala ʻae hale (nā moʻolelo i loko o ʻelua mau ʻikepili) mai ke Keʻena Hale Hana ʻo Kapalakiko - ʻae ʻAʻole wale ke kālailai hana ma ke kūlanakauhale, akā, noʻonoʻo pū kekahi nā ʻano hou a me ka mōʻaukala o ka hoʻomohala ʻana o ka ʻoihana kūkulu hale i nā makahiki he 40 i hala, ma waena o 1980 a me 2019.
Hiki i ka ʻikepili wehe ke ʻimi nā kumu nui i hoʻoikaika a hoʻoikaika i ka hoʻomohala ʻana o ka ʻoihana kūkulu i loko o ke kūlanakauhale, e hoʻokaʻawale iā lākou i nā "waho" (nā hoʻokele waiwai a me nā pilikia) a me "i loko" (ka hopena o nā lā hoʻomaha a me nā pōʻai makahiki-makahiki).
Nā mea
Wehe i ka ʻikepili a me ka nānā ʻana i nā palena palena.
ʻAʻole kēia he unuhi o ka ʻatikala. Kākau wau ma LinkedIn a i ʻole e hana i nā kiʻi ma nā ʻōlelo he nui, aia nā kiʻi āpau ma ka ʻōlelo Pelekania.
Ka loulou i ka ʻāpana ʻelua:
ʻIkepili Palapala ʻAi Kūleʻa Kulanakauhale o Kapalakiko - Mai ka puka ʻikepili wehe - . Loaʻa i ka portal kekahi mau ʻikepili e pili ana i ke kumuhana o ke kūkulu ʻana. ʻElua mau ʻikepili helu e mālama a hōʻano hou i ka ʻikepili i nā ʻae i hāʻawi ʻia no ke kūkulu ʻana a hoʻoponopono paha i nā mea ma ke kūlanakauhale:
- (850 tausani mooolelo)
- (280 tausani mau moʻolelo, hoʻoiho ʻia ka ʻikepili a hoʻonui ʻia i kēlā me kēia pule)
Loaʻa i kēia mau ʻikepili ka ʻike e pili ana i nā palapala ʻae kūkulu i hāʻawi ʻia, me nā ʻano like ʻole o ka mea i hāʻawi ʻia ai ka ʻae. Huina helu o nā mea komo (ʻae) i loaʻa i ka manawa 1980-2019 - 1 ʻae.
ʻO nā ʻāpana nui mai kēia ʻikepili i hoʻohana ʻia no ka nānā ʻana:
- ʻae_ka hana_lā - ka lā i hana ʻia ai ka noi (ʻoiaʻiʻo, ka lā e hoʻomaka ai ka hana kūkulu)
- wehewehe - ka wehewehe ʻana o ka noi (ʻelua a ʻekolu mau huaʻōlelo e wehewehe ana i ka hana kūkulu (hana) i hana ʻia ai ka ʻae)
- kumu kūʻai — i manaoia (i manaoia) ke kumukuai o ka hana kukulu
- hoʻoponopono_koki - ke kumukūʻai i hoʻoponopono hou ʻia (ke kumu kūʻai o ka hana ma hope o ka loiloi hou ʻana, hoʻonui a hoʻemi paha i nā puke mua o ka noi)
- mea_hoohana - ke ʻano o ka hale (hoʻokahi, hale ʻelua ʻohana, hale noho, keʻena, hana, etc.)
- zipcode, wahi - ka leka uila a me nā mea hoʻonohonoho
Hana hana makahiki ma Kapalakiko
Hōʻike ka pakuhi ma lalo i nā ʻāpana kumu kūʻai и hoʻoponopono_koki hōʻike ʻia ma ke ʻano he mahele o ka huina kālā o ka hana ma ka mahina.
data_cost_m = data_cost.groupby(pd.Grouper(freq='M')).sum()No ka hōʻemi ʻana i nā "outliers" o kēlā me kēia mahina, ua hui pū ʻia nā ʻikepili o kēlā me kēia mahina ma ka makahiki. Ua loaʻa i ka pakuhi o ka nui o ke kālā i hoʻokomo ʻia i ka makahiki i kahi ʻano loiloi a hiki ke nānā ʻia.
data_cost_y = data_cost.groupby(pd.Grouper(freq='Y')).sum()
Ma muli o ka neʻe makahiki o ka huina o nā koina (nā ʻae āpau no ka makahiki) i nā hale kūlanakauhale ʻIke maopopo ʻia nā kumu waiwai i hoʻololi ʻia mai 1980 a 2019 ma ka helu a me ke kumukūʻai o nā papahana kūkulu, a i ʻole ma nā hoʻopukapuka ʻana ma ka waiwai paʻa o Kapalakiko.
ʻO ka helu o nā palapala hale (ka helu o nā hana kūkulu a i ʻole ka helu o nā hoʻopukapuka) i nā makahiki he 40 i hala iho nei ua pili pili loa i ka hana hoʻokele waiwai ma Silicon Valley.
ʻO ke kiʻekiʻe mua o ka hana kūkulu i pili i ka hype electronics o ka waena o 80s ma ke awāwa. ʻO ka hoʻihoʻi ʻana o ka uila a me ka panakō i ka makahiki 1985 i hoʻouna i ka mākeke waiwai kūloko i ka emi ʻana mai kahi i ola ʻole ai no kahi kokoke i ʻumi makahiki.
Ma hope o kēlā, ʻelua mau manawa hou (ma 1993-2000 a me 2009-2016) ma mua o ka hāʻule ʻana o ka pahu Dotcom a me ka boom ʻenehana o nā makahiki i hala. Ua ʻike ka ʻoihana kūkulu hale o Kapalakiko i ka ulu ʻana o ka parabolic he mau tausani pakeneka..
Ma ka wehe ʻana i nā piko waena a me nā pā a waiho i nā waiwai liʻiliʻi a me nā kiʻekiʻe loa no kēlā me kēia pōʻai hoʻokele waiwai, ʻike maopopo ʻia ka nui o ka piʻi ʻana o ka mākeke i ka ʻoihana i nā makahiki he 40 i hala.
ʻO ka hoʻonui nui loa o ka hoʻokomo ʻana i ke kūkulu ʻana i loaʻa i ka wā o ka dot-com boom, i ka wā ma waena o 1993 a me 2001 $10 biliona i hoʻolilo ʻia i ka hana hou a me ke kūkulu ʻana, a i ʻole ma kahi o $1 biliona i kēlā me kēia makahiki. Inā helu mākou i nā mika square (ʻo ke kumukūʻai o 1 m² i ka makahiki 1995 he $3000), ma kahi o 350 m000 i kēlā me kēia makahiki no 2 mau makahiki, e hoʻomaka ana i ka makahiki 10.
ʻO ka ulu ʻana o ka nui o nā hoʻopukapuka makahiki i kēia manawa he 1215%.
ʻO nā hui i hoʻolimalima i nā lako hana i kēia manawa, ua like ia me nā hui i kūʻai aku i nā koʻi i ka wā o ke gula (ma ka ʻāina like i ka waena o ke kenekulia 19). Ma kahi o nā ʻōpala wale nō, i ka makahiki 2000 ua loaʻa mua nā cranes a me nā pāpaʻi paʻa no nā ʻoihana kūkulu hou i makemake e loaʻa kālā ma ka boom kūkulu.
Ma hope o kēlā me kēia pilikia nui i loaʻa i ka ʻoihana kūkulu hale i nā makahiki, i nā makahiki ʻelua ma hope o ka pilikia, hoʻopukapuka (ka nui o nā noi no nā ʻae) no ke kūkulu ʻana hāʻule ma ka liʻiliʻi he 50% i kēlā me kēia manawa.
ʻO nā pilikia nui loa ma ka ʻoihana kūkulu hale o Kapalakiko i hana ʻia i ka makahiki 90. Ma kahi, me ka manawa o 5 mau makahiki, ua hāʻule ka ʻoihana (-85% i ka manawa 1983-1986), a laila ala hou (+ 895% i ka manawa 1988-1992), e waiho ana i nā hua makahiki ma 1981, 1986, 1988 , 1993 - ma ka pae like.
Ma hope o 1993, ʻaʻole i ʻoi aku ka nui o nā emi ʻana o ka ʻoihana kūkulu hale ma mua o 50%. Akā e pili ana i ka pilikia hoʻokele waiwai (ma muli o COVID-19) hiki ke hana i kahi pilikia moʻolelo ma ka ʻoihana kūkulu i ka manawa 2017-2021, ʻo ka emi ʻana o ka mea i loko o ka manawa 2017-2019 ka nui o ka nui ma mua o 60%.
Ka piʻi ʻana o ka heluna kanaka o Kapalakiko dynamics i ka manawa 1980-1993 pū kekahi hōʻike kokoke i ka ulu ʻana. ʻO ka ikaika waiwai a me ka ikehu hou o Silicon Valley ke kumu paʻa i kūkulu ʻia ai ka hyperbole o ka New Economy, ka American Renaissance, a me nā dot-coms. ʻO ia ke kikowaena o ka hoʻokele waiwai hou. Akā ʻaʻole e like me ka piʻi ʻana o ka hoʻopukapuka waiwai, ma hope o ka piko dot-com, ua piʻi maoli ka heluna kanaka.
Ma mua o ka piʻi ʻana o dot-com i ka makahiki 2001, ʻo ka piʻi ʻana o ka heluna kanaka mai ka makahiki 1950 he 1% i kēlā me kēia makahiki. A laila, ma hope o ka hāʻule ʻana o ka puʻupuʻu, ua lohi ka piʻi ʻana o ka heluna kanaka hou a mai ka makahiki 2001 he 0.2 pakeneka wale nō i kēlā me kēia makahiki.
I ka makahiki 2019 (no ka manawa mua mai ka makahiki 1950), ua hōʻike ʻia ka ulu ʻana o ka ulu ʻana o ka heluna kanaka (-0.21% a i ʻole 7000 poʻe) mai ke kūlanakauhale ʻo Kapalakiko.
Ka manaʻolana a me ka ʻoiaʻiʻo i ka wā e hoʻomākaukau ai i nā koho kumukūʻai
Ma nā ʻikepili i hoʻohana ʻia, ua māhele ʻia ka ʻikepili e pili ana i ke kumukūʻai o ka palapala ʻae no kahi papahana kūkulu hale i:
- kumu kūʻai i manaʻo ʻia (kumu kūʻai)
- ke kumukūʻai o ka hana ma hope o ka loiloi hou ʻana (hoʻoponopono_koki)
I ka wā boom, ʻo ke kumu nui o ka loiloi hou ʻana ʻo ia ka hoʻonui ʻana i ke kumu kūʻai mua, ke hōʻike ka mea hoʻopukapuka (ka mea kūʻai hale kūkulu) i ka makemake ma hope o ka hoʻomaka ʻana o ke kūkulu ʻana.
I ka wā pilikia, hoʻāʻo lākou ʻaʻole e ʻoi aku ma mua o nā kumukūʻai i manaʻo ʻia, a ʻaʻohe loli i nā koho mua (koe wale no ke olai 1989).
Wahi a ka pakuhi i kūkulu ʻia ma ka ʻokoʻa ma waena o ke kumukūʻai i loiloi ʻia a me ke kumukūʻai i manaʻo ʻia (revised_cost - estimated_cost), hiki ke ʻike ʻia:
ʻO ka nui o ka piʻi ʻana o ke kumukūʻai i ka loiloi hou ʻana i ka nui o nā hana kūkulu e pili pono ana i nā pōʻai hoʻokele waiwai
data_spread = data_cost.assign(spread = (data_cost.revised_cost-data_cost.estimated_cost))
I ka wā o ka ulu wikiwiki ʻana o ka hoʻokele waiwai, hoʻolilo nā mea kūʻai o ka hana (nā mea hoʻopukapuka) i kā lākou kālā me ka lokomaikaʻi, e hoʻonui ana i kā lākou noi ma hope o ka hoʻomaka ʻana o ka hana.
ʻO ka mea kūʻai (mea hoʻopukapuka), me ka hilinaʻi kālā, e noi i ka mea hana hale a i ʻole ka mea hana hale e hoʻonui i ka palapala ʻae hale i hāʻawi ʻia. He hoʻoholo paha kēia e hoʻonui i ka lōʻihi kumu o ka loko wai a i ʻole e hoʻonui i ka ʻāpana o ka hale (ma hope o ka hoʻomaka ʻana o ka hana a me ka hoʻopuka ʻana i kahi palapala hale).
I ka piko o ke au dot-com, ua hiki i kēlā mau lilo "hoʻohui" i kahi "keu" 1 biliona i kēlā me kēia makahiki.
Inā ʻoe e nānā i kēia papa ʻaina i loko o ka pākēneka hoʻololi, a laila ʻo ka piʻi kiʻekiʻe o ka manaʻo (100% a i ʻole 2 mau manawa o ke kumu kūʻai kumu mua) i loaʻa i ka makahiki ma mua o ke ōlaʻi i hana ʻia ma 1989 kokoke i ke kūlanakauhale. Manaʻo wau ma hope o ke ōlaʻi, pono nā hana kūkulu i hoʻomaka i ka makahiki 1988, ma hope o ke ōlaʻi i 1989, ʻoi aku ka manawa a me ke kālā no ka hoʻokō.
ʻO ka mea ʻē aʻe, ʻo ka hoʻihoʻi ʻana i lalo o ke kumukūʻai i manaʻo ʻia (i hana ʻia i hoʻokahi wale nō i ka manawa mai 1980 a 2019) i kekahi mau makahiki ma mua o ke ōlaʻi ma muli paha o ka hoʻomaka ʻana o kekahi mau papahana i 1986-1987 i maloʻo a ʻoki ʻia nā hoʻopukapuka ma kēia mau papahana. iho. Ma ka papa manawa ma ka awelika no kēlā me kēia papahana i hoʻomaka i ka makahiki 1987 - ʻo ka hōʻemi ʻana i ke kumukūʻai i manaʻo ʻia he -20% o ka hoʻolālā kumu..
data_spred_percent = data_cost_y.assign(spred = ((data_cost_y.revised_cost-data_cost_y.estimated_cost)/data_cost_y.estimated_cost*100))
ʻO ka piʻi ʻana o ke kumu kūʻai mua i manaʻo ʻia he ʻoi aku ma mua o 40% i hōʻike ʻia a i ʻole ma muli paha o ka hopena o ka huʻihuʻi e neʻe mai ana i ke kālā a ma hope o ka mākeke kūkulu hale.
He aha ke kumu o ka emi ʻana o ka laha (ʻokoʻa) ma waena o nā kumukūʻai i manaʻo ʻia a hoʻoponopono hou ʻia ma hope o 2007?
Ua hoʻomaka paha nā mea hoʻopukapuka e nānā pono i nā helu (ʻo ka awelika nui ma mua o 20 mau makahiki i hoʻonui ʻia mai $ 100 tausani a i $ 2 miliona) a i ʻole ke keʻena hana kūkulu, e pale ana a keʻakeʻa nei i nā ʻōhū e puka mai ana i ka mākeke waiwai, hoʻokomo i nā lula hou a me nā kapu e hōʻemi i nā manipulations hiki. a me nā pilikia e hiki mai ana i nā makahiki pilikia.
ʻO ka hana kūkulu ma muli o ke kau o ka makahiki
Ma ka hui ʻana i ka ʻikepili ma nā pule alemanaka o ka makahiki (54 pule), hiki iā ʻoe ke nānā i ka hana kūkulu ʻana ma ke kūlanakauhale ʻo Kapalakiko ma muli o ke kau a me ka manawa o ka makahiki.
Ma ka Kalikimaka, ke ho'āʻo nei nā hui kūkulu hale e loaʻa nā ʻae no nā papahana "nui" hou i ka manawa. (ma ka manawa like! ʻo ka helu! o nā ʻae i kēia mau mahina hoʻokahi ma ka pae like i ka makahiki). ʻO nā mea hoʻolale kālā, e hoʻolālā ana e loaʻa i kā lākou waiwai i loko o ka makahiki e hiki mai ana, e komo i nā ʻaelike i nā mahina hoʻoilo, e helu ana i nā uku nui (no ka mea, ʻo nā ʻaelike kauwela, ʻo ka hapa nui, e pau ana i ka hopena o ka makahiki a makemake nā ʻoihana kūkulu. i ka loaʻa ʻana o nā noi hou).
Ma mua o ka Kalikimaka, waiho ʻia ka nui o nā noi (hoʻonui mai ka awelika o 1-1,5 biliona i kēlā me kēia mahina i 5 biliona i Dekemaba wale nō). I ka manawa like, e mau ana ka huina o nā noi ma ka mahina i ka pae like (e ʻike i ka ʻāpana ma lalo: nā ʻikepili no ka helu o nā noi ma ka mahina a me ka lā)
Ma hope o nā hoʻomaha hoʻoilo, hoʻolālā ikaika ka ʻoihana kūkulu hale a hoʻokō i nā kauoha "Kalikimaka" (me ka ʻaneʻane ʻaʻohe piʻi o ka helu o nā ʻae) i mea e hoʻokuʻu ai i nā kumuwaiwai ma ka waena o ka makahiki (ma mua o ka lā hoʻomaha lā Independence) ma mua o ka hoʻomaha hou. hoʻomaka koke ka nalu o nā ʻaelike kauwela ma hope koke o nā lā hoʻomaha o Iune.
data_month_year = data_month_year.assign(week_year = data_month_year.permit_creation_date.dt.week)
data_month_year = data_month_year.groupby(['week_year'])['estimated_cost'].sum()
Hōʻike pū ka ʻikepili pākēneka like (laina ʻalani) i ka hana ʻana o ka ʻoihana i ka "māmā" i loko o ka makahiki, akā ma mua a ma hope o nā lā hoʻomaha, piʻi ka hana ma nā ʻae i 150% i ka manawa ma waena o ka pule 20-24 (ma mua o ka lā Independence), a emi koke ma hope o ka hoʻomaha a hiki i -70%.
Ma mua o ka Halloween a me ka Kalikimaka, piʻi ka hana ma ka ʻoihana kūkulu hale o Kapalakiko ma 43% i ka pule 44-150 (mai lalo a hiki i ka piko) a laila emi iho i ka ʻole i ka wā hoʻomaha.
No laila, aia ka ʻoihana i loko o kahi pōʻai ʻeono mahina, i hoʻokaʻawale ʻia e nā lā hoʻomaha "US Independence Day" (wiki 20) a me "Kalikimaka" (week 52).
Huina waiwai waiwai ma Kapalakiko
Ma muli o ka ʻikepili e pili ana i nā ʻae kūkulu hale ma ke kūlanakauhale:
ʻO ka huina kālā i nā hana kūkulu ma Kapalakiko mai 1980 a 2019 he $91,5 biliona.
sf_worth = data_location_lang_long.cost.sum()
ʻO ka huina o ka waiwai kūʻai o nā hale noho a pau ma Kapalakiko i helu ʻia e nā ʻauhau waiwai (ʻo ia ka waiwai i koho ʻia o nā waiwai paʻa a pau a me nā waiwai pilikino a pau a Kapalakiko) .
ʻO wai nā wahi o Kapalakiko i hoʻokomo kālā i nā makahiki he 40 i hala iho nei?
Ke hoʻohana nei i ka waihona Folium, e ʻike kākou i kahi i hoʻolilo ʻia ai kēia $91,5 biliona e ka ʻāina. No ka hana ʻana i kēia, i ka hui pū ʻana i ka ʻikepili ma ka code zip, e hōʻike mākou i nā waiwai hopena me ka hoʻohana ʻana i nā pōʻai (ka hana Circle mai ka waihona Folium).
import folium
from folium import Circle
from folium import Marker
from folium.features import DivIcon
# map folium display
lat = data_location_lang_long.lat.mean()
long = data_location_lang_long.long.mean()
map1 = folium.Map(location = [lat, long], zoom_start = 12)
for i in range(0,len(data_location_lang_long)):
Circle(
location = [data_location_lang_long.iloc[i]['lat'], data_location_lang_long.iloc[i]['long']],
radius= [data_location_lang_long.iloc[i]['cost']/20000000],
fill = True, fill_color='#cc0000',color='#cc0000').add_to(map1)
Marker(
[data_location_mean.iloc[i]['lat'], data_location_mean.iloc[i]['long']],
icon=DivIcon(
icon_size=(6000,3336),
icon_anchor=(0,0),
html='<div style="font-size: 14pt; text-shadow: 0 0 10px #fff, 0 0 10px #fff;; color: #000";"">%s</div>'
%("$ "+ str((data_location_lang_long.iloc[i]['cost']/1000000000).round()) + ' mlrd.'))).add_to(map1)
map1
Ua maopopo mai na apana Ua hele pololei ka hapa nui o ka pai i DownTown. Ma hope o ka hoʻomaʻamaʻa ʻana i ka hui ʻana o nā mea āpau ma kahi mamao i ke kikowaena o ke kūlanakauhale a me ka manawa e hiki ai i ke kikowaena o ke kūlanakauhale (ʻoiaʻiʻo, ke kūkulu ʻia nei nā hale pipiʻi ma kahakai), ua māhele ʻia nā ʻae āpau i 4 mau pūʻulu: 'Downtown' , '<0.5H Kaona', '< 1H Kaona', 'Mawaho SF'.
from geopy.distance import vincenty
def distance_calc (row):
start = (row['lat'], row['long'])
stop = (37.7945742, -122.3999445)
return vincenty(start, stop).meters/1000
df_pr['distance'] = df_pr.apply (lambda row: distance_calc (row),axis=1)
def downtown_proximity(dist):
'''
< 2 -> Near Downtown, >= 2, <4 -> <0.5H Downtown
>= 4, <6 -> <1H Downtown, >= 8 -> Outside SF
'''
if dist < 2:
return 'Downtown'
elif dist < 4:
return '<0.5H Downtown'
elif dist < 6:
return '<1H Downtown'
elif dist >= 6:
return 'Outside SF'
df_pr['downtown_proximity'] = df_pr.distance.apply(downtown_proximity)ʻO ka 91,5 biliona i hoʻokomo ʻia i loko o ke kūlanakauhale, kokoke i 70 biliona (75% o nā hoʻopukapuka āpau) i hoʻopukapuka ʻia i ka hoʻoponopono a me ke kūkulu ʻana aia ma ke kikowaena o ke kūlanakauhale. (kahi ʻōmaʻomaʻo) a i ke kūlanakauhale ʻāpana i loko o ka radius o 2 km. mai ke kikowaena (ʻāpana uliuli).
ʻO ke kumu kūʻai maʻamau i manaʻo ʻia no kahi noi kūkulu hale e ka ʻāpana kūlanakauhale
Ua hui pū ʻia nā ʻikepili a pau, e like me ka huina kālā hoʻopukapuka e ka zip code. Ma kēia hihia wale nō me ka awelika (.mean()) i manaʻo ʻia ke kumu kūʻai o ka noi ma ke code zip.
data_location_mean = data_location.groupby(['zipcode'])['lat','long','estimated_cost'].mean()
Ma nā wahi maʻamau o ke kūlanakauhale (ʻoi aku ma mua o 2 km mai ke kikowaena o ke kūlanakauhale) - ʻo ke kumukūʻai i manaʻo ʻia o kahi noi hana he $50 tausani.
ʻO ka awelika kumu kūʻai i manaʻo ʻia ma ke kikowaena o ke kūlanakauhale ʻoi aku ka nui o ʻekolu manawa ($150 tausani a $400 tausani) ma mua o nā wahi ʻē aʻe ($30-50 tausani).
Ma waho aʻe o ke kumukūʻai o ka ʻāina, ʻekolu mau mea e hoʻoholo ai i ka huina o ke kumukūʻai o ke kūkulu hale: nā hana, nā mea waiwai, a me nā uku aupuni. ʻOi aku ka kiʻekiʻe o kēia mau ʻāpana ʻekolu ma Kaleponi ma mua o ke koena o ka ʻāina. Manaʻo ʻia nā code kūkulu hale o Kaleponi i kekahi o nā mea ʻoi loa a paʻa loa i ka ʻāina (ma muli o ke olai a me nā hoʻoponopono kaiapuni), koi pinepine i nā mea waiwai a me nā hana.
No ka laʻana, koi ke aupuni i nā mea kūkulu hale e hoʻohana i nā mea kūkulu hale kiʻekiʻe (nā puka makani, insulation, hoʻomehana a me nā ʻōnaehana hoʻomaha) e hoʻokō ai i nā kūlana kiʻekiʻe o ka ikehu.
Mai nā helu helu maʻamau e pili ana i ke kumukūʻai maʻamau o kahi palapala ʻae, ʻelua mau wahi i kū i waho:
- Treasure Island - he mokupuni hana ʻia ma Kapalakiko Bay. ʻO ka awelika kumu kūʻai o ka palapala ʻae hale he $6,5 miliona.
- Misiona Bay — (ka heluna kanaka 2926) ʻO ka awelika o ke kumu kūʻai o ka palapala palapala hale he $1,5 miliona.
ʻO kaʻoiaʻiʻo, pili ka noi awelika kiʻekiʻe ma kēia mau wahi ʻelua me ka helu liʻiliʻi o nā noi no kēia mau wahi leka (145 a me 3064, ʻo ke kūkulu ʻia ʻana ma ka mokupuni he palena iki), aʻo ke koena o nā code postal - XNUMXa ʻo ka manawa 1980-2019 i loaʻa ma kahi o 1300 mau noi i kēlā me kēia makahiki (ka huina ma ka awelika 30 -50 tausani noi no ka manawa holoʻokoʻa).
E like me ka "helu o nā noi", ʻike ʻia ka hoʻolaha ʻana o ka helu o nā noi i kēlā me kēia code postal ma ke kūlanakauhale.
He helu no ka huina o nā noi ma ka mahina a me ka lā
Hōʻike nā ʻikepili holoʻokoʻa i ka huina o nā noi ma ka mahina a me ka lā o ka pule ma waena o 1980 a me 2019 ʻO nā mahina mālie loa no ka ʻoihana kūkulu hale ʻo ia ka mahina puna a me ka hoʻoilo. I ka manawa like, ʻokoʻa ka nui o nā hoʻopukapuka i kuhikuhi ʻia i nā noi a ʻokoʻa i kēlā me kēia mahina i kekahi manawa. (E ʻike hou i ka "Hana hana ma muli o ke kau"). Ma waena o nā lā o ka pule, ma ka Pōʻakahi, ʻo ka ukana ma ka ʻoihana ma kahi o 20% ka liʻiliʻi ma mua o nā lā ʻē aʻe o ka pule.
months = [ 'January', 'February', 'March', 'April', 'May','June', 'July', 'August', 'September', 'October', 'November', 'December' ]
data_month_count = data_month.groupby(['permit_creation_date']).count().reindex(months)
ʻOiai ʻo Iune a me Iulai ua like like ia ma ke ʻano o ka helu o nā noi, ma ke ʻano o ka huina i manaʻo ʻia ua hiki ke ʻokoʻa i ka 100% (4,3 biliona i Mei a me Iulai a me 8,2 biliona i Iune).
data_month_sum = data_month.groupby(['permit_creation_date']).sum().reindex(months)
ʻO ka wā e hiki mai ana o ka ʻoihana kūkulu hale o Kapalakiko, e wānana ana i ka hana ma nā ʻano.
ʻO ka mea hope loa, e hoʻohālikelike kākou i ka pakuhi hana hana ma Kapalakiko me ka pakuhi kumukūʻai Bitcoin (2015-2018) a me ka pakuhi kumu kūʻai gula (1940 - 1980).
ʻano hoʻohālike (mai ka ʻōlelo Pelekania - kumu hoʻohālike, hāpana) - ma ka ʻike loea i kapa ʻia nā hui hou ʻana o ke kumu kūʻai, ka leo a i ʻole ka ʻikepili hōʻailona. Hoʻokumu ʻia ka hoʻohālikelike ʻana i kekahi o nā axioms o ka loiloi ʻenehana: "hoʻi hou ka mōʻaukala iā ia iho" - ua manaʻo ʻia ʻo ka hui ʻana o ka ʻikepili e alakaʻi i kahi hopena like.
ʻO ke kumu nui e ʻike ʻia ma ka pakuhi hana makahiki ʻO kēia ke ʻano hoʻohālikelike "Head and Shoulders". Kapa ʻia pēlā no ka mea ua like ka pakuhi me ke poʻo o ke kanaka (peak) a me nā poʻohiwi ma nā ʻaoʻao (nā piko liʻiliʻi). I ka wā e haki ai ke kumu kūʻai i ka laina e hoʻopili ana i nā pā, ua manaʻo ʻia ke kumu i hoʻopau ʻia a ʻoi paha ka neʻe ʻana i lalo.
ʻO nā neʻe ʻana i ka hana ma ka ʻoihana kūkulu hale ʻo Kapalakiko aneane like loa me ka piʻi ʻana o ke kumukūʻai o ke gula a me ka bitcoin. ʻO ka hana mōʻaukala o kēia mau kumukūʻai ʻekolu a me nā palapala hana e hōʻike ana i nā mea like.
I hiki ke wānana i ke ʻano o ka mākeke kūkulu hale i ka wā e hiki mai ana, pono e helu i ka huina hoopili me kēlā me kēia ʻano ʻelua.
Ua kapa ʻia ʻelua mau ʻano hoʻololi like ʻole i hoʻopili ʻia inā ʻokoʻa ko lākou manawa hoʻopili (a i ʻole coefficient correlation) mai ka ʻole; a ua kapa ʻia he mau kuaniti hui ʻole inā ʻaʻole ko lākou manawa hoʻopili.
Inā kokoke ka waiwai i ka 0 ma mua o ka 1, a laila ʻaʻohe kumu e kamaʻilio e pili ana i kahi ʻano maʻalahi. He pilikia makemakika paʻakikī kēia, hiki ke lawe ʻia e nā hoa kahiko i hoihoi i kēia kumuhana.
Ina! ʻepekema ʻole! e nānā i ke kumuhana o ka hoʻomohala hou ʻana o ka ʻoihana kūkulu ma Kapalakiko: inā e hoʻomau ke kumu i ke kumukūʻai o Bitcoin, a laila e like me kēia koho pessimistic - ʻaʻole maʻalahi ka puka ʻana i waho o ka pilikia ma ka ʻoihana kūkulu hale ma Kapalakiko i ka wā ma hope koke o ka pilikia.
Me kahi koho "optimistic". hiki i ka hoʻomohala ʻana, hiki ke hoʻonui pinepine ʻia ka ulu ʻana o ka ʻoihana kūkulu inā hahai ka hana ma ʻaneʻi i ke ʻano "kūʻai gula". I kēia hihia, i loko o 20-30 mau makahiki (hiki i ka 10), e kū ana ka ʻoihana kūkulu i kahi piʻi hou o ka hana a me ka hoʻomohala ʻana.
E nānā pono wau i kēlā me kēia ʻāpana o ke kūkulu ʻana (ka hoʻoponopono ʻana i nā hale, nā lumi kuke, ke kūkulu ʻana i nā alapiʻi, nā lumi ʻauʻau, inā he manaʻo kāu e pili ana i nā ʻoihana a i ʻole nā ʻikepili ʻē aʻe - e ʻoluʻolu e kākau i nā manaʻo) a hoʻohālikelike i ka hoʻonui ʻana no kēlā me kēia ʻano hana me nā uku paʻa ma nā hōʻaiʻē moraki a me ka loaʻa kālā o nā palapala hoʻopaʻa aupuni US (Fixed Mortgage Rates & US Treasury Yield).
Ka loulou i ka ʻāpana ʻelua:
Ka loulou iā Jupyter Notebook:
E ʻoluʻolu, no ka poʻe me Kaggle, hāʻawi i ka Notebook i hoʻohui (Mahalo iā ʻoe!).
(E hoʻohui ʻia nā manaʻo a me nā wehewehe ʻana o ke code ma hope ma ka Notebook)
loulou i ka mana Pelekane:
Inā ʻoluʻolu ʻoe i kaʻu ʻike, e noʻonoʻo e kūʻai mai iaʻu i kofe.
Mahalo ke kākoʻo 'ana mai!
Hiki i nā mea hoʻohana i hoʻopaʻa inoa ʻia ke komo i ka noiʻi. , e 'oluʻolu.
He aha ka mea e hiki mai ana no ka ʻoihana kūkulu hale o Kapalakiko?
-
66,7%ʻOi aku ka maikaʻi o ka ʻoihana kūkulu i ke ala o Bitcoin2
-
0,0%Hiki i ka ʻāpana hana ke hahai i ke ala o nā kumukūʻai gula0
-
0,0%Manaʻo ka ʻāpana i ka hype i nā makahiki 10 e hiki mai ana0
-
33,3%ʻAʻole hele ka hoʻomohala ʻana o ka ʻāpana e like me nā mamana1
3 mea hoʻohana i koho. Ua hōʻole nā mea hoʻohana 6.
Source: www.habr.com