Самые выгодные районы Москвы для аренды жилья
Цель данного анализа - найти некую «золотую середину» между ценой, расстоянием до центра и качеством района.
С помощью Python можно собрать данные с ЦИАН и отобразить результаты на карте столицы. Для того, чтобы получить данные с ЦИАН, прекрасно подойдет библиотека cianparser. А для визуализации отлично подойдут карты из plotly. Кроме того, для отображения данных также нужны полигоны (координаты районов) Москвы.
Теперь у нас есть все для проведения желаемого анализа.
Давайте рассмотрим стандартный вариант поиска: 1-комнатная квартира на долгий срок. Карта показывает среднюю стоимость аренды 1 кв.м за месяц в различных районах Москвы и Московской области.
Дорого-богато
Самыми дорогими оказались Арбат, Тверской и Пресненский районы со средней стоимостью квадратного метра аренды около 2800-3000 рублей в месяц. Для примера, будем далее считать месячную аренду за квартиру в 35 кв.м. За такое жилье в этих районах нужно быть готовым отдавать около 100 тыс. рублей ежемесячно.
Отличное соотношение цены и качества
В то же время, недалеко от центра находятся и относительно недорогие районы: Савеловский, Сокол, Коптево, Гагаринский, Нагорный и Котловка, где стоимость месячной аренды такой же по площади квартиры обойдется в 44-51 тыс. рублей. Для сравнения, в самом дешевом районе внутри МКАД (Восточное Бирюлево) эта стоимость составляет 34 тыс. рублей. Таким образом, вышеназванные районы дороже примерно на 30-50%. С одной стороны, разница ощутима, но с другой – разница инфраструктуры и транспортной доступности тоже крайне существенна.
Какой лидер?
На мой взгляд, оптимальным вариантом выглядит Савеловский район со средней стоимостью месячной аренды 48 тыс. рублей. Этот район имеет отличную транспортную доступность (на метро до центра можно добраться примерно за 10 минут), множество школ, больниц, детских садов, а также недалеко расположен большой Тимирязевский парк.
P.S.
Если вы хотите читать больше интересных аналитический публикаций, а также начать развиваться как аналитик данных или совершенствовать уже имеющиеся навыки Python, SQL и т.д., то подписывайтесь на мой Telegram канал "Аналитик Данных". Код на Python для повторения карты из данной статьи также можно запросить в Telegram.