Hugging Face's logo

Spaces:
barbaroyoel
/
ProyectoGao
Sleeping

App Files Community
ProyectoGao
File size: 5,124 Bytes 
988a892
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
 
import pandas as pd
import ast
import numpy as np

def cleaning_data_frame_by_category(

    df: pd.DataFrame, category: str, min_outliner: int, max_outliner: int) -> pd.DataFrame:
    df=cleaning_data_frame(df)
    if category == "venta" or category == "alquiler" or category=="permuta":
        df = df[(df["Categoria"] == category)].copy()
    elif category == "alquiler":
        df = df[(df["Categoria"] == category)].copy()
    elif category=="permuta":
        df = df[(df["Categoria"] == category)].copy()
    else:
        raise ValueError(f"Categoría '{category}' no encontrada")
    df = remove_outliers(df, min_outliner, max_outliner)
    return df


def cleaning_data_frame(df:pd.DataFrame)->pd.DataFrame :
    df=clean_price(df)
    df=clean_amenities(df)
    df=clean_locations(df)
    df=clean_date(df)
    return df


def remove_outliers(df: pd.DataFrame, min_value: int, max_value: int) -> pd.DataFrame:
    return df[(df["Precio"] > min_value) & (df["Precio"] < max_value)].copy()


def clean_price(df: pd.DataFrame) -> pd.DataFrame:
    df["Precio"] = pd.to_numeric(df["Precio"], errors="coerce")
    df = df[(df["Moneda"] == "USD") |(df["Moneda"] == "EUR") | (df["Moneda"] == "CUP") | (df["Moneda"] == "CUC")].copy()
    conditions=[(df["Moneda"] == "EUR") , 
                (df["Moneda"] == "CUP") , 
                (df["Moneda"] == "CUC")]
    values=[ df["Precio"]*1.1,
             df["Precio"]/360,
             df["Precio"]*1.1
            ]
    df.loc[:,"Precio"]=np.select(conditions,values,df["Precio"])
    df["Moneda"] = "USD"
    return df


def clean_amenities(df: pd.DataFrame) -> pd.DataFrame:
    normalization_map = {
        'parqueo': 'Estacionamiento',
        'garaje': 'Estacionamiento',
        'cochera': 'Estacionamiento',
        'aire': 'Aire Acondicionado',
        'balcon': 'Balcón',
        "telefono fijo": "Teléfono fijo",
        "teléfono": "Teléfono fijo",
        "tanque instalado": "Tanque elevado",
        "placa libre": "Terraza",
        "tanques propios": "Tanque elevado",
        "split": "Aire Acondicionado",
        "motor": "Planta eléctrica",
        "generador": "Planta eléctrica",
        "planta electrica": "Planta eléctrica",
        "planta eléctrica": "Planta eléctrica",
        "cisterna": "Tanque elevado",
        "alberca": "Piscina",
        "lavadora": "Lavadora",
        "lavarropa": "Lavadora",
        "tv": "Televisor",
        "television": "Televisor",
        "ventilador": "Ventilador",
        "abanico": "Ventilador",
        "wifi": "Internet",
        "internet": "Internet",
        "nauta": "Internet",
        "camaras de seguridad": "Cámaras seguridad",
        "seguridad": "Cámaras seguridad",
        "cámaras seguridad": "Cámaras seguridad",
        "jacuzzi": "Jacuzzi",
        "hidromasaje": "Jacuzzi",
        "jardin": "Jardín",
        "patio": "Jardín",
        "caja fuerte": "Caja fuerte",
        "seguro": "Caja fuerte",
        "amueblado": "Amueblado",
        "muebles": "Amueblado"
    }

    df.loc[:, "Amenidades"] = df["Amenidades"].fillna("").astype(str)
    df.loc[:, "Amenidades"] = (
        df["Amenidades"]
        .str.lower()
        .apply(lambda x: x.split(',') if x != "" else [])
    )

    def normalize_amenities(amenities_list):
        normalized = set()
        for amenity in amenities_list:
            clean_amenity = amenity.strip().replace('"', '').replace("'", "")
            if clean_amenity in normalization_map:
                normalized.add(normalization_map[clean_amenity])
            else:
                found = False
                for key, value in normalization_map.items():
                    if key in clean_amenity:
                        normalized.add(value)
                        found = True
                        break
                if not found and clean_amenity:
                    normalized.add(clean_amenity.title())
        return sorted(normalized)

    df.loc[:, "Amenidades"] = df["Amenidades"].apply(normalize_amenities)
    return df

    
def clean_locations(df:pd.DataFrame)->pd.DataFrame:
    def _clean_locations(x:str):
        try:
            cleaned = x.replace('[""', '"').replace('""]', '"')
            return ast.literal_eval(cleaned)
        except (ValueError, SyntaxError, TypeError):
            return []
    
    df["Ubicacion"] = df["Ubicacion"].apply(_clean_locations)
    
    df["Municipio"] = df["Ubicacion"].apply(lambda x: x[0] if len(x) > 1 else None)
    df["Provincia"] = df["Ubicacion"].apply(lambda x: x[1] if len(x) > 2 else None)

    df.drop(columns=["Ubicacion"], inplace=True)
    NORMALIZACION_MUNICIPIOS = {
        "Plaza": "Plaza de la Revolución",
        "Habana Vieja": "La Habana Vieja"
    }
    df["Municipio"] = df["Municipio"].replace(NORMALIZACION_MUNICIPIOS)
    return df


def clean_date(df :pd.DataFrame)->pd.DataFrame:
    if 'Fecha' in df:
        df['Fecha'] = pd.to_datetime(df['Fecha'], errors='coerce')
    return df