====== ¿Cómo se anuncian los pisos? Un análisis de las palabras usadas ======

**Dificultad**: //MEDIA//

===== METODOLOGÍA =====

==== Nube de palabras con timdream ====

  - Seleccionar la columna NAME del listing pertinente
  - Crear un fichero de texto con el texto copiado
  - Ir a https://timdream.org/wordcloud
  - Seleccionar FILE y subir el fichero de texto
  - Una vez generada la nube de palabras, pulsar sobre EDIT LIST y limpiar los datos (quitar palabras como "y", "el", "la"... o unir palabras con y sin tilde, etc.)
  - Modificar el tema y la disposición de palabras al gusto

==== Porcentaje y número de palabras (R) ====

Si se desea ver numéricamente la frecuencia de las palabras, se puede usar el siguiente script de R:

<code>
avisos<- scan("INPUT.txt", what="character", sep="\n")`
avisos1 <- tolower(avisos)
avisos2 <- strsplit(avisos1, "\\W")
avisos3 <- unlist(avisos2)

freq<-table(avisos3)
freq1<-sort(freq, decreasing=TRUE)

percent<- round(100*(freq1/length(avisos)),3)
temple.sorted.table<-paste(names(freq1), freq1, percent, sep="\t")

cat("Word\tFREQ\tPERCENT", temple.sorted.table, file="OUTPUT.txt", sep="\n")
 </code>

Aquí se verá la frecuencia absoluta de cada palabra y el porcentaje.

==== Número de palabras, bigramas y trigamas (Databasic.io) ====

Sube o copia-pega un archivo con todos los títulos de los anuncios (selecciona y copia esa columna en una hoja de cálculo) a la herramienta Wordcounter de Databasic.io 

https://databasic.io/en/wordcounter

==== Número de palabras con línea de comandos ====

Como se describe en este ejercicio: https://www.datascienceatthecommandline.com/chapter-4-creating-reusable-command-line-tools.html#converting-one-liners-into-shell-scripts

Selecciona la columna 5 (que incluye los nombres de los anuncios):

awk -F, '{OFS=",";print $5}' listings_donostia_simple.csv > names.csv

Ahora calcula las palabras más usadas:

cat names.csv | tr '[:upper:]' '[:lower:]' | grep -oE '\w+' | sort | uniq -c | sort -nr | head -n 10

    145 in
    144 en
    129 room
    125 beach
    122 the
    114 apartment
    110 san
    100 la
     95 wifi
     91 de
     88 habitación
     81 con
     80 playa
     79 old
     77 apartamento
     69 a
     67 sebastian
     64 town
     62 parking
     58 by
     56 piso
     53 with
     53 center
     52 rentals
     51 y
     51 feelfree
     50 zurriola
     49 concha
     48 centro
     46 to

==== Análisis espacial ====

{{:airbnb:pregunta:playa-centro-mapa-barrios-titulo.png?400|}}

En este script de R https://code.montera34.com/airbnb/valencia/blob/master/analysis/palabras.R se muestra cómo generar mapas de presencia de palabras en barrios y distritos para el caso de Valencia:

  - Se traducen a un mismo idioma los títulos y descripciones. En google spreadsheets: la fórmula <code>=DETECTLANGUAGE(E2)</code> permite detectar el idioma usado en la celda E2. Luego puedes traducir con <code>=GOOGLETRANSLATE(E2;T2;"es")</code> que traduce el contenido de la celda E2 del idioma definido en la celda T2 al español.
  - Se cuantifica con tablas dinámicas o con R el número de anuncios por distrito o barrio para calcular su porcentaje (o fecuencia relativa).
  - Se dibujan los mapas usando QGIS o R (se usó la librería tmap de R)


===== Resultado =====

Puedes ver un ejemplo en el informde de Efecto Airbnb Donostia (julio 2017) https://lab.montera34.com/airbnb/donostia/#palabras