使用Python预测和可视化纽约市的Airbnb价格 我以劳拉·刘易斯(Laura Lewis)的项目为基准( )。 我项目的不同之处在于,重点放在纽约市的airbnb列表上。 我还使用NPL库进行了情绪分析,以查看每个列表的正面评价如何,以及引入外部数据来尝试增加我解释的方差得分。 我在COVID之前(2020年9月)获得了airbnb列表,因为事实证明COVID的价格异常高。 我的项目分为5个不同的笔记本: getZipcodes.ipynb,我尝试使用它们的经度和纬度坐标获取每个列表的邮政编码。 Data_Cleansing.ipynb,是我进行数据整理和清理以及获取每个列表的平均极性得分的地方 restaurnat_data_cleansing,在这里我获得一个数据集,该数据集的每个nyc邮政编码中都有餐馆数量,以后我将其用于合并 Visualization / Model