🎅🏻 ⛲️ 👜 炒作建筑行业和大城市的工作成本。旧金山通货膨胀并抑制增长 ✍️ 🤙 🤞🏽

旧金山是当今世界的技术“莫斯科”，通过它（使用开放数据），您可以观察到大城市和首都建筑业的发展。在这个技术先进的城市，经济周期非常明显，在不同的时间间隔内，房地产的不同部门需求呈爆炸性增长。

来自旧金山市建筑局的超过一百万份建筑许可的数据（两个数据集中的记录）-使您不仅可以分析城市的建筑活动，还可以批判性地检查过去30年中建筑行业发展的最新趋势和历史以及房地产需求...

在上一篇文章中它研究了1980年至2018年之间旧金山的年度建设（投资）总额。预期（估计）和实际（修订）建筑成本之间的差额用于跟踪该地区经济繁荣和危机期间投资者情绪的变化。

旧金山建筑业的风风雨雨。建筑活动发展的趋势和历史

在本文中，我们将仔细研究建筑的各个部门：屋顶，厨房，楼梯和浴室的维修。之后，让我们将各个工作类型的通胀与官方通胀和其他经济指标的数据进行比较。

内容：

按房屋类型分建筑业的兴衰

旧金山厨房和浴室装修的平均成本。

-.

.

-.

.

, :

.
.
( 10 ) (Apartments) - (2016 )
(Retail) 16 (2001 ).
30 3 .
1980 2019 5 .
30 .
4 (, , , ) - - 15%.
4 15-20 — , , , - $ 54 000 - — $ 61 000.
- 30 .
, — ( 10 ) .
如果您在短时间内观察到多种增长，那么在未来两年中，您可以预期强度会迅速下降。
如果您需要了解平均维修价格将上涨多少，请留意10年期政府债券的利率。

绘图和计算在Jupyter Notebook（在Kaggle.com平台上）中进行。

按房屋类型划分的旧金山建筑行业的起伏

旧金山科技行业是价格飞涨的罪魁祸首之一。六位数的技术工人移居城市，在初创公司工作，而更多成熟的公司（例如Google，Facebook，Twitter和Apple）正在极大地提高生活成本和住房需求。口袋里装满了“技术”钱的程序员可以承受比房地产市场上大多数当地人更高的价格。

同时，就城市规划立法而言，旧金山是美国管制最严格的城市之一。这些因素和许多其他因素严重限制了建筑量，并影响了旧金山的价格和需求。

因此在每个新的经济周期中，对不同类型住房的需求都会改变其领导者。每种类型的住房在旧金山的建筑市场中曾经而且都会有“起伏”，例如2012年至2015年间公寓需求爆炸式增长，几乎是10倍，或者是炒作，是1997年至1997年需求增长的16倍以上1999年进入零售领域。

在关于年度建筑工程总量的文章中，1980年至2018年的交通时间表分为两个部分：

估计（估计）工作成本（蓝线）
实际（修订）工作成本（黄线）

让我们更深入地研究总成本数据，然后转到数据的“下一层”。

我们根据参数“房屋类型”（“现有用途”）将工作总成本划分为工作类别：

公寓（公寓）
零售（零售空间）
办公室（办公室和办公室）
住宅房地产（一户和两户房屋）

dfn = df.dropna(subset=['description'])
dfn.description.isnull().values.any()
#dfn = dfn[dfn['description'].str.match('kitchen')]
df_unit = dfn.loc[:,['revised_cost','existing_use', 'existing_units', 'zipcode','permit_creation_date']]

df_unit = df_unit.dropna()
#keys = ["hotel","appartments"]
df_unit = df_unit[df_unit.existing_use.str.contains("apartments")]

#data_loc = df_unit.loc[['estimated_cost', 'revised_cost','permit_creation_date']]
data_cost = df_unit 
data_cost.permit_creation_date = pd.to_datetime(data_cost.permit_creation_date)
data_cost = data_cost.set_index('permit_creation_date')

data_cost = data_cost[data_cost.index > "1985-8-01"] 
data_cost = data_cost[data_cost.index < "2019-8-31"] 


data_cost = data_cost.dropna()
data_cost_m = data_cost.groupby(pd.Grouper(freq='300d')).sum()
#data_cost_m.head()
plt.figure(figsize=(19,8))

ax = sns.lineplot(data=data_cost_m.revised_cost, linewidth=3, size = 17)
ax.set(xlabel='retail')
major_ticks = np.arange(0, 1500000000, 200000000)
ax.set_yticks(major_ticks)
ax.set(ylim=(0, 1500000000))
plt.savefig('plotname.png', transparent=True)

可以看出，在不同的经济时期，所有类型的房地产都经历了快速抛物线（炒作）的增长和同样的快速下降。

公寓建设的高峰期是在上一次高科技繁荣时期，这与来自世界各地的大量新技术工人涌入快速发展的硅谷公司有关。从2012年到2015年，公寓需求量增长了10倍。从2012年的1.33亿美元增加到2015年仅投资于公寓的14亿美元。
(Retail) . 1997 1999 16 . c $ 22 1997 $ 350 . 1999 . , . 90- .
办公房地产（Office）需求的增长也与硅谷巨头的发展有关。但是，自2000年以来，与零售房地产和公寓相比，需求一直在稳定增长-伴随着许多小起伏。
住宅房地产投资的增长与办公房地产的增长动态相吻合，但与办公空间的增长不同-平稳增长且需求没有大的波动。

如果将这4个主要类别合并在一张图中，则可以得出第一篇文章中熟悉的旧金山市所有建筑投资的总体上升和下降情况。

旧金山厨房和浴室装修的平均成本

从“功能-描述”中获取数据，我们还可以为各个类别的工作选择数据，并查看在旧金山为各种类型的房屋翻新厨房或浴室平均要花费多少。

fam1 = df_unit[df_unit['existing_use']=='1 family dwelling']['estimated_cost'].mean()
fam2 = df_unit[df_unit['existing_use']=='2 family dwelling']['estimated_cost'].mean()
office = df_unit[df_unit['existing_use']=='office']['estimated_cost'].mean()
apartments = df_unit[df_unit['existing_use']=='apartments']['estimated_cost'].mean()
data = {'1 family dwelling':fam1,'2 family dwelling':fam2,'Apartments':apartments}
typedf = pd.DataFrame(data = data,index=['redevelopment of the bathroom'])
typedf.plot(kind='barh', title="Average estimated cost by type", figsize=(8,6));

旧金山的厨房翻新费用几乎是浴室翻新费用的两倍。符合逻辑的是，两户家庭的浴室翻修平均成本为2000美元（16000美元），而单户家庭的平均翻修成本为14000美元。

同时，为两户家庭的厨房翻修的平均费用（25,000美元）比单户家庭的厨房的平均费用（28,000美元）少近3,000美元。

旧金山屋顶和楼梯维修的平均成本

通过相同的功能-说明，仅选择包含单词“ reofofing”（屋顶重新铺设）和“ stairs”（楼梯维修）的行。

根据屋顶维修的平均成本，合乎逻辑的是，屋顶维修（由于两户房屋的屋顶面积较大）平均比单户房屋多2000美元。

对于两户家庭来说，修楼梯的成本也要翻倍，因为单户家庭没有楼梯（或单跨度楼梯）。

旧金山计划中的房屋翻新费用

建议每10-15年平均翻新一次厨房和浴室。屋顶和楼梯维修-每15-20年一次。

通常，如果“理论上”在房屋建造后15年-一年内修理厨房，浴室，屋顶和楼梯-那么在单户住宅中，您将需要为此节省54,000美元，而在两户住宅中，则需要节省这笔费用。将为-$ 61,000 ，这四个类别的总工作成本差异仅为15％。

因此，在建造新房之后，为了对房屋进行四类维修（厨房，浴室，屋顶，楼梯），有必要每月拨出350美元，以便在15年内积累必要的60,000美元用于维修。

旧金山建筑成本上升

通过按工作类别获取数据并按年份进行分组，我们可以观察到按房屋类型划分的平均维修成本的增长（和通胀）。

years = list(range(1980, 2020)) 
keywords = ['1 family dwelling','2 family dwelling','apartments']
val_data = []
for year in years:
    iss_data = []
    for word in keywords:
        v = df_unit[(df_unit['existing_use']==word) & (df_unit['issued_date']== year)]['estimated_cost'].mean()
        iss_data.append(v)
    val_data.append(iss_data)
#print(val_data)

在下图中，与上段一样，以柱状形式显示了按住房类型划分的平均成本数据。

用于视觉显示的同一图形，但已经以线条的形式给出了更清晰（“通货膨胀”）的图像。

dfnew.plot.bar(figsize=(20, 8)) 
plt.xlabel("Years")
plt.ylabel("Estimated cost of reroofing")
plt.title("Estimated cost of reroofing by year");
dfnew.plot.line(figsize=(12, 6))

自1990年以来，屋顶维修的平均费用一直在逐渐增加。

与住宅建筑相比，同一时期翻修公寓屋顶的平均成本经历了许多起伏。

翻新公寓屋顶的成本为短期的3年周期。

与屋顶维修的平均成本增长的平稳趋势相比，厨房维修的平均成本波动更大。

在厨房的装修以及公寓屋顶的装修中，可以追溯到短期的2x-3年周期。

然而，在浴室的维修中，这种循环是无法追踪的，并且平均建筑成本的增加更为平缓。在互联网泡沫爆发之前，只有公寓浴缸维修的平均成本增加了吗？

旧金山的建筑成本上涨。

为了找到1980年至2019年整个期间的平均维修成本的通货膨胀，我们用趋势线补充数据。在计算通货膨胀（采用趋势线的起点和终点）时，我们发现1990年至2018年期间的最大价值通货膨胀发生在浴室行业。

在过去的30年中，浴室翻新的平均成本增加了近5倍（也许翻新的成本因新型饰面材料的出现以及市场上昂贵（且负担得起的）陶瓷和卫生用品的出现而增加了？

sns.regplot(y=dfnew_2['2 family dwelling'],x=dfnew_2['index'],data=dfnew_2, fit_reg=True) 
#sns.jointplot(dfnew_2['index'], dfnew_2['2 family dwelling'], data=dfnew_2, fit_reg=True, stat_func=stats.pearsonr)
lines = plt.gca().lines
lower1990 = [line.get_ydata().min() for line in lines]
upper2019 = [line.get_ydata().max() for line in lines]
plt.scatter(1990, lower1990, marker='x', color='C3', zorder=3)
plt.scatter(2019, upper2019, marker='x', color='C3', zorder=3)
print("In 1990 it cost = $" + str(lower1990[0].round()) + "; In 2019 it cost = $ " + str(upper2019[0].round()))
print("Inflation for the period 1980-2019 = " + str(((upper2019[0]-lower1990[0])/lower1990[0]*100).round())+"%")
all2 = [line.get_ydata() for line in lines]