День 1 – Исследование цен на квартиры в Петербурге (Pandas, NumPy, Matplotlib)

Что меня зацепило Три года назад, когда я выбирал квартиру в пригороде, я заметил удивительную вещь: за те же 100 м² в центре просят почти вдвое больше. Мне стало интересно проверить это на больших данных.

Суть анализа Я взял 23 650 объявлений Яндекс.Недвижимости (2014–2019), убрал «мусорные» записи и сфокусировался на реальных ценах за м². Затем сгруппировал по районам и построил наглядный боксплот.

Вот как меняются цены(см фото): в центре плотный диапазон 110–130 тыс. ₽/м², на окраинах — разброс от 50 до 150 тыс. ₽/м².*

Что это значит для вас

• Центр: готовьте бюджет около 120 000 ₽/м² — цены здесь стабильно высоки.
• Окраины: диапазон от 50 до 150 000 ₽/м² — шанс найти выгодный вариант.
• Скрытые «жемчужины»: не игнорируйте неожиданные районы с редкими предложениями.

Личный инсайт Во время работы над проектом три года назад я провёл бессонную ночь, перебирая тысячи объявлений. Понял, что даже в «сырых» данных можно найти неожиданные истории — и это меня увлекло.

Хотите узнать, какой район обойдётся вам дороже всего? Напишите в комментариях свой идеальный критерий!

Не пропустите завтра: Анализ закономерностей, определяющих успешность компьютерных игр.

Полный код и ноутбук: https://github.com/iLvoznyi/yandex-praktikum-repo/tree/main/Исследование объявлений о продаже квартир