व्यथित अचल संपत्ति संपत्ति एक घर है जो फौजदारी के कगार पर है या पहले से ही बैंक के स्वामित्व में है। छूट पर घर खरीदने के अवसर के कारण निवेशक अक्सर इन संपत्तियों की तलाश करते हैं ।

हालांकि, इन संपत्तियों को ढूंढना और उनकी क्षमता का मूल्यांकन करना एक चुनौतीपूर्ण कार्य हो सकता है , विशेष रूप से बड़े शहरों में जहां जटिल अचल संपत्ति बाजार हैं।

संकटग्रस्त अचल संपत्ति संपत्तियों में छूट की खोज के लिए जियो हीटमैप एक शक्तिशाली उपकरण हो सकता है । हीटमैप्स मानचित्र पर मूल्यों का प्रतिनिधित्व करने के लिए रंग-कोडिंग का उपयोग करते हैं, जिससे प्रवृत्तियों और पैटर्न की पहचान करना आसान हो जाता है। इस लेख में, हम आपको दिखाएंगे कि कैसे वेंड्यू टेक में हमने अपने ग्राहकों के लिए क्रोएशिया और स्पेन में संकटग्रस्त संपत्तियों में छूट की पहचान करने के लिए रियल एस्टेट डेटा का उपयोग करके पायथन में जियो हीटमैप बनाया।

वेंड्यू टेक पोलैंड में स्थित एक एआई संचालित मंच है, जो निवेशकों को नीलामी में भाग लेने और जीतने के लिए कम मूल्य वाली संकटग्रस्त संपत्तियों और सभी आवश्यक डेटा और विज़ुअलाइज़ेशन को खोजने में मदद करता है।

जियो हीटमैप बनाना

जियो हीटमैप बनाने के लिए हम पायथन में फोलियम लाइब्रेरी का उपयोग करेंगे । फोलियम एक पायथन पुस्तकालय है जो रंग-कोडित मार्करों और ओवरले के साथ इंटरेक्टिव मानचित्र बनाना आसान बनाता है।

इस कार्य के लिए हमें जो डेटा चाहिए वह है:

1. संपत्ति का अक्षांश और देशांतर
2. संपत्ति की छूट जिसकी गणना न्यूनतम बिक्री मूल्य और अनुमानित बाजार मूल्य को विभाजित करके की जा सकती है

1. डेटा आयात करें और हमें आवश्यक कॉलम जांचें

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np 

data_mw = pd.DataFrame(pd.read_csv('Vendue_Tech/data/data_collection_mw_ml.csv',  low_memory=False))

df_loc = data_mw[['location','discount_calculated']]

df_loc

######################################################################

Out[16]: 
                   location  discount_calculated
41     45.816608, 15.941879             0.000000
71     44.558022, 14.886877             0.800000
182    45.828371, 16.067598             0.800000
200    45.650070, 16.537105             0.800000
201    45.650070, 16.537105             0.800000
                     ...                  ...
23570   41.417765, 2.207708             1.067182
23917  38.373215, -0.488444             0.250780
24087  39.948468, -0.095799             0.470790
24431  41.656043, -0.889369             0.636979
24537  38.090955, -0.727618             0.732907

df_loc[['latitude', 'longitude']] = df_loc['location'].str.split(',', expand=True)

# Convert the latitude and longitude columns to float type
df_loc[['latitude', 'longitude']] = df_loc[['latitude', 'longitude']].astype(float)

df_loc

######################################################################

Out[22]: 
                   location  discount_calculated   latitude  longitude
41     45.816608, 15.941879             0.000000  45.816608  15.941879
71     44.558022, 14.886877             0.800000  44.558022  14.886877
182    45.828371, 16.067598             0.800000  45.828371  16.067598
200    45.650070, 16.537105             0.800000  45.650070  16.537105
201    45.650070, 16.537105             0.800000  45.650070  16.537105
                     ...                  ...        ...        ...
23570   41.417765, 2.207708             1.067182  41.417765   2.207708
23917  38.373215, -0.488444             0.250780  38.373215  -0.488444
24087  39.948468, -0.095799             0.470790  39.948468  -0.095799
24431  41.656043, -0.889369             0.636979  41.656043  -0.889369
24537  38.090955, -0.727618             0.732907  38.090955  -0.727618

• फोलियम स्थापित करें

pip install folium

lats_longs_weight = list(map(list, zip(df_loc["latitude"],df_loc["longitude"],
                          df_loc["discount_calculated"]
                         )))

lats_longs_weight[:5]

#####################################################################

Out[24]: 
[[45.816608, 15.941879, 0.0],
 [44.558022, 14.886877, 0.7999999598695077],
 [45.828371, 16.067598, 0.7999999580250712],
 [45.65007, 16.537105, 0.8000000798932306],
 [45.65007, 16.537105, 0.8000000798932306]]

#import libraries
import folium
from folium.plugins import HeatMap

#We set the zoom level by passing an integer value to the zoom_start attribute
#We chose location = [40.151384,-4.108039] so the plot iz zoomed around our most frequest location 
map_obj = folium.Map(location = [40.151384,-4.108039], zoom_start = 4)

#create our geo heatmap
HeatMap(lats_longs_weight).add_to(map_obj)

#save the heatmap
map_obj.save('map.html')

परिणाम और निष्कर्ष

हम देख सकते हैं कि क्रोएशिया में हमारे पास राजधानी ज़गरेब के आसपास सबसे बड़े अवसर हैं, जबकि स्पेन में सबसे बड़ी छूट बार्सिलोना और एलिकांटे के आसपास पाई जा सकती है। भविष्य के काम के लिए, अचल संपत्ति के प्रकार से विभाजित इन आंकड़ों का पता लगाना दिलचस्प होगा, इसलिए हम देख सकते हैं कि हमारे पास अपार्टमेंट पर सबसे बड़ी छूट कहां है और अगर हम प्लॉटलैंड में निवेश करना चाहते हैं तो कहां देखें।

हमारे जियो हीटमैप टूल ने हमें पूरे ईयू में संकटग्रस्त रियल एस्टेट संपत्तियों में छूट की कल्पना करने की अनुमति दी। अचल संपत्ति डेटा का विश्लेषण करके और इसे मानचित्र पर देखने से, हम उच्चतम छूट वाले क्षेत्रों की पहचान करने में सक्षम थे और उन क्षेत्रों में संकटग्रस्त संपत्तियों की खोज को प्राथमिकता देते थे। इस तकनीक ने हमें उन संभावित निवेश अवसरों की पहचान करने में मदद की जिन्हें हम अन्यथा खो सकते थे।

संकटग्रस्त संपत्तियों में निवेश करना एक जोखिम भरा व्यवसाय हो सकता है, लेकिन सही उपकरण और विश्लेषण के साथ, यह एक आकर्षक अवसर भी हो सकता है। यही कारण है कि वेंड्यू टेक में हम ऐसे उपकरण बना रहे हैं, जो विभिन्न डेटा स्रोतों और तकनीकों को मिलाकर, जैसे जियो हीटमैप्स, रियल एस्टेट निवेशकों को संकटग्रस्त रियल एस्टेट बाजार में प्रतिस्पर्धा में बढ़त हासिल करने की अनुमति देते हैं।

व्यथित गुण बाजार के क्षेत्र में अधिक डेटा विज्ञान अनुप्रयोगों के लिए मुझे फॉलो करें।

एलएन:https://www.linkedin.com/in/jelenajoksimovic92/

संदर्भ