Analiza RCN — Rejestr Cen Nieruchomości

Projekt do pobierania i analizy danych transakcyjnych z Rejestru Cen Nieruchomości (RCN). Cel: sprawdzić jak zmieniają się ceny nieruchomości w zależności od sposobu użytkowania działki, przeznaczenia w MPZP i lokalizacji, na bazie transakcji z lat 2015–2026.

Dashboardy na żywo

• Analiza RCN
• Analiza RCN 2

Skąd się biorą dane

Dane wejściowe to transakcje z Rejestru Cen Nieruchomości, publikowane przez GUGiK w podziale na powiaty (pliki .gpkg, format GeoPackage — w środku to zwykła baza SQLite). Same pliki GPKG nie mają wygodnej struktury do analizy zbiorczej, więc najpierw trzeba je pobrać, złączyć z resztą danych transakcyjnych, i dopiero wtedy czyścić i analizować.

Cztery kroki pipeline'u

1. Scrapper.py — pobiera pliki .gpkg z geoportalu dla wszystkich powiatów (kody TERYT) wymienionych w pliku CSV. Dla każdego terytu:

• sprawdza, czy plik już nie został pobrany wcześniej (nie pobiera drugi raz),
• pobiera ZIP, rozpakowuje z niego .gpkg, nadaje mu czytelną nazwę (np. powiat_piaseczynski_1418.gpkg zamiast samego kodu TERYT),
• otwiera pobrany plik jako SQLite i liczy rekordy w warstwach — żeby złapać pliki puste albo uszkodzone w trakcie pobierania,
• na koniec zapisuje trzy pliki ze statusem: błędy pobierania, pliki puste/uszkodzone i pełny status każdego terytu.

2. analiza_extract_dzialki.R — działa na wyczyszczonych transakcjach działek i dokleja do nich atrybuty, których nie ma w podstawowym pliku transakcyjnym: sposób użytkowania działki (dzi_sposob_uzyt), przeznaczenie w miejscowym planie zagospodarowania (dzi_przezn_wmpzp), powierzchnię ewidencyjną i cenę brutto z GPKG. Dopasowanie działa przez powiat (nazwa pliku GPKG) i identyfikator transakcji. Jedna transakcja może obejmować kilka działek — wtedy skrypt agreguje: bierze najczęstszą wartość dla pól tekstowych (tryb) i sumuje pola liczbowe.

3. notebook.ipynb — główna część analityczna, w kilku etapach:

• wczytanie surowych transakcji, parsowanie dat, odcięcie transakcji spoza zakresu 2015–2026,
• odrzucenie duplikatów i rekordów z zerową/ujemną ceną lub powierzchnią,
• odrzucenie wartości odstających metodą IQR, osobno dla każdej kategorii nieruchomości (działki/lokale/budynki mają różne rozkłady cen),
• eksploracyjna analiza danych: braki danych po kolumnach, histogramy cen, segmenty cenowe, mediana cen w czasie wg kategorii,
• dołączenie dzi_sposob_uzyt i dzi_przezn_wmpzp z pliku tr2.csv (wynik kroku 2) i odfiltrowanie transakcji bez tych atrybutów,
• rozbicie wielowartościowego dzi_przezn_wmpzp (kombinacje typu "mieszkaniowe;usługowe") na pojedyncze tokeny, osobno wiersz na wartość,
• policzenie mediany cen w czasie (kwartalnie) wg sposobu użytkowania, ze zmianą rok do roku i minimalnym progiem liczby transakcji (żeby nie liczyć mediany z 3 transakcji),
• wygenerowanie raport_interaktywny.html z tabelami i wykresami, plus osobna sekcja z medianą cen wg rejonu.

4. Tableau (.twb + Tableau Public) — dashboard i story zbudowane na danych z output/. Pliki .twbx (spakowana wersja z danymi w środku) nie są w repo, bo ważą grubo ponad 100 MB i tak naprawdę są tylko artefaktem do publikacji — gotowe dashboardy są dostępne pod linkami wyżej.

Co jest w repo

Plik	Co robi
Scrapper.py	pobieranie GPKG-ów z geoportalu
analiza_extract_dzialki.R	łączenie działek z atrybutami rodzaju z GPKG
install_packages.R	jednorazowa instalka pakietów R do powyższego
notebook.ipynb	czyszczenie, EDA, wzbogacenie danych, generowanie raportu
Analiza_RCN_-_Podział_na_sposoby_użytkowania.twb	definicja dashboardu Tableau
requirements.txt	zależności Pythona

Setup

pip install -r requirements.txt
Rscript install_packages.R

Do otwarcia .twb lokalnie potrzebujesz Tableau Desktop albo Public — ale skoro gotowe dashboardy są opublikowane (linki wyżej), to raczej do podglądu struktury niż do codziennego użytku.

Ścieżki

W Scrapper.py i analiza_extract_dzialki.R na górze pliku jest zmienna RAW_PATH — wpisujesz tam swój folder projektu i reszta ścieżek sama się z tego buduje. Notebook działa na ścieżkach względnych (data/, output/), więc odpalaj go z głównego katalogu repo.

Kolejność uruchamiania

python Scrapper.py
Rscript analiza_extract_dzialki.R
# potem notebook.ipynb — upewnij się, że data/transakcje.csv i data/tr2.csv są gotowe

Na końcu otwierasz .twb w Tableau i podpinasz źródło do plików z output/, albo po prostu zaglądasz do opublikowanych dashboardów.

Po przejściu całości w output/ powinno wylądować: dane_obrobione.csv (finalny, oczyszczony i wzbogacony zbiór), dane_wmpzp_long.csv (dane w formacie długim wg przeznaczenia w MPZP), histogramy_cena_brutto.png i raport_interaktywny.html.

---

Foldery z danymi (Data/, data/, output/, wyniki/) i wygenerowane pliki nie są w repo — patrz .gitignore. Zakładam, że każdy odpala pipeline od zera na swoich danych.