Dicionário de dados

Gerado, não editado

Este arquivo é a saída de python -m airbnb.schema --escrever. A fonte é src/airbnb/schema.py (invariante 1). Editar aqui é perder a edição na próxima geração.

Pessoal = nunca sai para site nem relatório (invariante 9). Colunas pessoais que a análise precisa (ids, título) ficam na silver com a flag; as demais são descartadas na limpeza.

1. Contrato da silver (data/processed/)

parquet	linhas	conteúdo
anuncios_2019.parquet	Kaggle limpo	2019, sem host_name
anuncios_2026.parquet	detalhado limpo	2026, sem colunas pessoais/texto livre (exceto name)
anuncios_resumo.parquet	os dois empilhados	colunas comuns + snapshot

coluna	dtype	em	domínio	pessoal	descrição	origem
snapshot	category	2019, 2026, resumo	2019, 2026; sem nulo		Snapshot de origem da linha: "2019" (Kaggle, scrape de 2019-07-08) ou "2026" (Inside Airbnb, 2026-06-14).	derivada (constante por arquivo; config.ROTULO_*)
id	int64	2019, 2026, resumo	[1, ]; sem nulo	sim	Identificador do anúncio no Airbnb. Único por snapshot (conferido). Nunca publicado.	origem: id
last_scraped	datetime64[ns]	2026	sem nulo		Data em que o anúncio foi coletado. Quatro datas entre 14 e 23/06/2026: o scrape da cidade (14–15) e a recoleta dos anúncios vistos no scrape anterior (22–23).	origem: last_scraped (detalhado)
source	category	2026	city scrape, previous scrape; sem nulo		Como o anúncio entrou no scrape: city scrape (achado na busca da cidade) ou previous scrape (existia no scrape anterior e foi recoletado pelo id).	origem: source (detalhado)
name	str	2019, 2026	—	sim	Título do anúncio, escrito pelo anfitrião. Texto livre: usado só em análise (ex.: duplicatas), nunca publicado.	origem: name
host_id	int64	2019, 2026, resumo	[1, ]; sem nulo	sim	Identificador do anfitrião. Único identificador confiável do anfitrião (o nome não é — ver Q3). Nunca publicado.	origem: host_id
hosts_time_as_user_years	float64	2026	[0, ]		Anos completos desde que o anfitrião criou a conta no Airbnb (campo novo do Inside Airbnb; substitui host_since, que veio 100% vazio).	origem: detalhado
hosts_time_as_user_months	float64	2026	[0, 11]		Meses restantes (0–11) além de hosts_time_as_user_years.	origem: detalhado
hosts_time_as_host_years	float64	2026	[0, ]		Anos completos desde que a conta passou a anunciar.	origem: detalhado
hosts_time_as_host_months	float64	2026	[0, 11]		Meses restantes (0–11) além de hosts_time_as_host_years.	origem: detalhado
host_is_superhost	boolean	2026	—		Selo de Superhost (t/f da origem convertido em booleano; nulo nos 349 anúncios sem perfil de anfitrião).	origem: host_is_superhost
host_listings_count	Int64	2026	[0, ]		Anúncios do anfitrião segundo o perfil no Airbnb (inclui outras cidades). Difere de calculated_host_listings_count em 33% dos anúncios.	origem: detalhado
host_has_profile_pic	boolean	2026	—		Anfitrião tem foto de perfil (só o indicador; a foto em si é descartada).	origem: detalhado
host_identity_verified	boolean	2026	—		Anfitrião com identidade verificada pelo Airbnb.	origem: detalhado
neighbourhood_group	category	2019, resumo	Manhattan, Brooklyn, Queens, Bronx, Staten Island; sem nulo		Distrito (borough) de Nova York. Em 2026 vem de neighbourhood_group_cleansed (atribuído pelo Inside Airbnb a partir da coordenada).	origem: neighbourhood_group (Kaggle); neighbourhood_group_cleansed (2026)
neighbourhood	str	2019, resumo	sem nulo		Bairro (Neighbourhood Tabulation Area do Inside Airbnb). Os 221 bairros de 2019 existem todos no neighbourhoods.geojson de 2026.	origem: neighbourhood (Kaggle); neighbourhood_cleansed (2026)
neighbourhood_group_cleansed	category	2026	Manhattan, Brooklyn, Queens, Bronx, Staten Island; sem nulo		Distrito (borough) atribuído pelo Inside Airbnb pela coordenada. Vira neighbourhood_group em anuncios_resumo.	origem: detalhado
neighbourhood_cleansed	str	2026	sem nulo		Bairro atribuído pelo Inside Airbnb pela coordenada (o campo neighbourhood do detalhado veio 100% vazio). Vira neighbourhood em anuncios_resumo.	origem: detalhado
latitude	float64	2019, 2026, resumo	[40.4774, 40.9176]; sem nulo		Latitude publicada. O Airbnb desloca o ponto em até ~150 m (0–450 pés) para proteger o endereço: a unidade de análise é a célula H3, não o ponto (ADR 0001).	origem: latitude
longitude	float64	2019, 2026, resumo	[-74.2591, -73.7004]; sem nulo		Longitude publicada (mesmo deslocamento da latitude).	origem: longitude
property_type	str	2026	sem nulo		Tipo de imóvel como o anfitrião declarou (69 valores em 2026). Agrupado em tipo_imovel_grupo.	origem: detalhado
room_type	category	2019, 2026, resumo	Entire home/apt, Private room, Shared room, Hotel room; sem nulo		Tipo de acomodação. Hotel room só existe em 2026 (520 anúncios); em 2019 havia três categorias.	origem: room_type
accommodates	int64	2026	[1, ]; sem nulo		Número máximo de hóspedes.	origem: detalhado
bathrooms	float64	2026	[0, ]		Número de banheiros como o Inside Airbnb extraiu (33% nulo). Ver banheiros, que completa pelo texto.	origem: detalhado
bathrooms_text	str	2026	—		Banheiros em texto ("1.5 shared baths", "Half-bath"...). Fonte de banheiros e banheiro_compartilhado.	origem: detalhado
bedrooms	float64	2026	[0, ]		Número de quartos (36% nulo).	origem: detalhado
beds	float64	2026	[0, ]		Número de camas (31% nulo).	origem: detalhado
amenities	str	2026	sem nulo		Lista JSON de comodidades, grafia livre do Airbnb (6.179 itens distintos). Fonte de n_amenidades e das flags amen_*.	origem: detalhado
preco	float64	2019, 2026, resumo	[0, ]		Preço por noite em US$. 2019: diária anunciada. 2026: cotação de uma estadia de N noites (N = preco_cotacao_noites, em regra o mínimo do anúncio) dividida por N, JÁ COM desconto semanal/mensal — não é a mesma grandeza de 2019 (ADR 0005). Nulo quando não houve cotação.	origem: price (Kaggle: inteiro; 2026: texto "$1,234.00")
preco_valido	bool	2019, 2026, resumo	sem nulo		True quando o preço entra nas análises de preço: não caiu em nenhuma regra de escopo preco da quarentena (ausente, zero, cotação > 31 noites, < US$ 10, > US$ 10.000).	derivada: regras P01–P05 da limpeza
preco_cotacao_noites	Int64	2026	[1, ]		Noites da estadia cotada (checkout − checkin da cotação). Igual ao mínimo de noites em 96,6% das cotações; mediana 30.	derivada: price_quote_checkout_date − price_quote_checkin_date
preco_cheio	float64	2026	[0, ]		Diária SEM desconto: preço cheio do período cotado (total + |descontos|; coincide até US$ 1 com o item "Average monthly price" em 99,8% das cotações que o têm) ÷ noites da cotação. Alternativa de robustez a preco na comparação com 2019. Mesma ressalva de preco para cotações > 31 noites.	derivada: price_quote_raw (JSON) e price_quote_total_price
desconto_pct	float64	2026	[0, 1]		Fração do preço cheio do período abatida por descontos (mensal, semanal, oferta especial, antecipação): Σ|itens negativos| ÷ preço cheio. 0 quando a cotação não tem desconto; nulo sem cotação.	derivada: price_quote_raw (JSON)
price_quote_checkin_date	datetime64[ns]	2026	—		Início da estadia cotada pelo Inside Airbnb (primeira data livre; mediana 18 dias após o scrape).	origem: detalhado
price_quote_checkout_date	datetime64[ns]	2026	—		Fim da estadia cotada.	origem: detalhado
price_quote_total_price	float64	2026	[0, ]		Total cotado após descontos (sem taxa de limpeza e de serviço; inclui resort fee quando houver). Em cotações > 31 noites é um total MENSAL, não do período.	origem: detalhado
minimum_nights	int64	2019, 2026, resumo	[1, ]; sem nulo		Mínimo de noites por reserva. ≥ 30 é o limiar da Local Law 18 (ver min30).	origem: minimum_nights
min30	bool	2019, 2026, resumo	sem nulo		Mínimo de noites ≥ 30 (config.NOITES_CURTA_TEMPORADA): fora do alcance do registro da Local Law 18. 9,2% em 2019, 81,7% em 2026.	derivada: minimum_nights ≥ 30
maximum_nights	Int64	2026	[1, ]		Máximo de noites por reserva. 2.147.483.647 (2³¹−1) é sentinela de "sem máximo".	origem: detalhado
minimum_minimum_nights	float64	2026	[0, ]		Menor mínimo de noites no calendário dos próximos 365 dias.	origem: detalhado
maximum_minimum_nights	float64	2026	[0, ]		Maior mínimo de noites no calendário dos próximos 365 dias.	origem: detalhado
minimum_maximum_nights	float64	2026	[0, ]		Menor máximo de noites no calendário.	origem: detalhado
maximum_maximum_nights	float64	2026	[0, ]		Maior máximo de noites no calendário.	origem: detalhado
minimum_nights_avg_ntm	float64	2026	[0, ]		Média do mínimo de noites nos próximos 365 dias.	origem: detalhado
maximum_nights_avg_ntm	float64	2026	[0, ]		Média do máximo de noites nos próximos 365 dias.	origem: detalhado
has_availability	boolean	2026	—		Anúncio aceita reservas (t/f convertido; f em 349 anúncios, 348 deles sem perfil de anfitrião).	origem: detalhado
availability_30	int64	2026	[0, 30]; sem nulo		Dias livres nos próximos 30.	origem: detalhado
availability_60	int64	2026	[0, 60]; sem nulo		Dias livres nos próximos 60.	origem: detalhado
availability_90	int64	2026	[0, 90]; sem nulo		Dias livres nos próximos 90.	origem: detalhado
availability_365	int64	2019, 2026, resumo	[0, 365]; sem nulo		Dias livres nos próximos 365. NÃO é ocupação: dia indisponível inclui dia bloqueado pelo anfitrião (invariante 7).	origem: availability_365
availability_eoy	int64	2026	[0, 366]; sem nulo		Dias livres até o fim do ano corrente.	origem: detalhado
calendar_last_scraped	datetime64[ns]	2026	sem nulo		Data da coleta do calendário.	origem: detalhado
number_of_reviews	int64	2019, 2026, resumo	[0, ]; sem nulo		Total de avaliações do anúncio desde a criação.	origem: number_of_reviews
number_of_reviews_ltm	int64	2026	[0, ]; sem nulo		Avaliações nos últimos 12 meses (base da ocupação estimada do Inside Airbnb).	origem: detalhado
number_of_reviews_l30d	int64	2026	[0, ]; sem nulo		Avaliações nos últimos 30 dias.	origem: detalhado
number_of_reviews_ly	int64	2026	[0, ]; sem nulo		Avaliações no ano-calendário anterior.	origem: detalhado
first_review	datetime64[ns]	2026	—		Data da primeira avaliação (nula ⟺ sem avaliação).	origem: detalhado
last_review	datetime64[ns]	2019, 2026, resumo	—		Data da avaliação mais recente (nula ⟺ sem avaliação).	origem: last_review
reviews_per_month	float64	2019, 2026, resumo	[0, ]		Avaliações por mês do ANÚNCIO: total ÷ meses desde a primeira avaliação, com piso de 1 mês (por isso nunca excede number_of_reviews). Nula ⟺ sem avaliação. Ver Q6.	origem: reviews_per_month
review_scores_rating	float64	2026	[0, 5]		Nota média (geral), escala 0–5.	origem: detalhado
review_scores_accuracy	float64	2026	[0, 5]		Nota média (exatidão do anúncio), escala 0–5.	origem: detalhado
review_scores_cleanliness	float64	2026	[0, 5]		Nota média (limpeza), escala 0–5.	origem: detalhado
review_scores_checkin	float64	2026	[0, 5]		Nota média (check-in), escala 0–5.	origem: detalhado
review_scores_communication	float64	2026	[0, 5]		Nota média (comunicação), escala 0–5.	origem: detalhado
review_scores_location	float64	2026	[0, 5]		Nota média (localização), escala 0–5.	origem: detalhado
review_scores_value	float64	2026	[0, 5]		Nota média (custo-benefício), escala 0–5.	origem: detalhado
estimated_occupancy_l365d	int64	2026	[0, 365]; sem nulo		Noites ocupadas estimadas pelo Inside Airbnb nos últimos 365 dias: min(avaliações_ltm ÷ 0,5 × max(6,4; mínimo de noites); 255). Reproduzida em 99,99% dos anúncios (docs/02).	origem: detalhado
estimated_revenue_l365d	float64	2026	[0, ]		Receita estimada = estimated_occupancy_l365d × price (idêntica em 100% dos anúncios com preço). Herda o problema das cotações > 31 noites.	origem: detalhado
ocupacao_modelo	float64	2019, 2026, resumo	[0, 0.7]; sem nulo		Fração do ano ocupada pelo modelo de avaliações do Inside Airbnb aplicado IGUAL aos dois snapshots: avaliações/mês × 12 ÷ 0,5 × max(6,4; mínimo de noites) ÷ 365, teto 0,70; zero se a última avaliação tem mais de 365 dias (ou não existe). É a ocupação comparável 2019 × 2026 (invariante 7).	derivada: reviews_per_month, minimum_nights, last_review
calculated_host_listings_count	int64	2019, 2026, resumo	[1, ]; sem nulo		Anúncios do mesmo anfitrião NESTE scrape de NYC.	origem: calculated_host_listings_count
calculated_host_listings_count_entire_homes	int64	2026	[0, ]; sem nulo		Idem, só imóveis inteiros.	origem: detalhado
calculated_host_listings_count_private_rooms	int64	2026	[0, ]; sem nulo		Idem, só quartos privativos.	origem: detalhado
calculated_host_listings_count_shared_rooms	int64	2026	[0, ]; sem nulo		Idem, só quartos compartilhados.	origem: detalhado
host_multi	bool	2019, 2026, resumo	sem nulo		Anfitrião com mais de um anúncio no scrape (calculated_host_listings_count > 1).	derivada
license	str	2026	—		Registro na OSE (Local Law 18) como declarado: "OSE-STRREG-…", "Exempt" ou vazio. Grafia de caixa variável.	origem: license (detalhado)
licenca_status	category	2026	registrada, isenta, ausente, outra; sem nulo		registrada (começa com OSE-STRREG, sem distinguir caixa), isenta (Exempt), ausente (vazio) ou outra.	derivada: license
h3_r9	str	2019, 2026, resumo	sem nulo		Célula H3 resolução 9 (~0,105 km², aresta ~174 m) — unidade das features de localização (ADR 0001).	derivada: h3.latlng_to_cell(lat, lon, 9)
h3_r8	str	2019, 2026, resumo	sem nulo		Célula H3 resolução 8 (~0,74 km²) — unidade dos mapas.	derivada: h3.latlng_to_cell(lat, lon, 8)
h3_r6	str	2019, 2026, resumo	sem nulo		Célula H3 resolução 6 (~36 km²) — blocos da validação cruzada espacial (ADR 0002).	derivada: h3.latlng_to_cell(lat, lon, 6)
dias_desde_ultima_avaliacao	Int64	2019, 2026, resumo	[0, ]		Dias entre a última avaliação e a data do scrape (2019: config.SNAPSHOT_2019; 2026: last_scraped). Nulo sem avaliação.	derivada
meses_desde_primeira_avaliacao	float64	2026	[0, ]		Meses (dias ÷ 30,4375) entre a primeira avaliação e last_scraped. Nulo sem avaliação.	derivada: first_review, last_scraped
presente_2026	bool	2019	sem nulo		O id de 2019 ainda aparece no snapshot de 2026 (resumo ou detalhado). Base da análise de sobrevivência.	derivada: cruzamento de ids
banheiros	float64	2026	[0, ]		Número de banheiros: bathrooms quando existe; senão o número em bathrooms_text; "half-bath" = 0,5.	derivada: bathrooms, bathrooms_text
banheiro_compartilhado	boolean	2026	—		Banheiro compartilhado ("shared" no texto). Nulo quando não há texto.	derivada: bathrooms_text
n_amenidades	int64	2026	[0, ]; sem nulo		Quantidade de itens na lista de comodidades.	derivada: amenities
amen_wifi	bool	2026	sem nulo		Comodidade: Wi-Fi (inclui 'Fast wifi – N Mbps' e 'Pocket wifi'). Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_cozinha	bool	2026	sem nulo		Comodidade: cozinha ou kitchenette (não conta cozinha externa nem eletrodoméstico KitchenAid). Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_ar_condicionado	bool	2026	sem nulo		Comodidade: ar-condicionado: central, de janela, split ou portátil. Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_aquecimento	bool	2026	sem nulo		Comodidade: aquecimento: central, radiante, split ou aquecedor portátil. Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_lavadora	bool	2026	sem nulo		Comodidade: lavadora de roupa, na unidade ou no prédio (não conta lava-louças). Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_secadora	bool	2026	sem nulo		Comodidade: secadora de roupa (não conta secador de cabelo). Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_lava_loucas	bool	2026	sem nulo		Comodidade: lava-louças. Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_elevador	bool	2026	sem nulo		Comodidade: elevador. Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_academia	bool	2026	sem nulo		Comodidade: academia no prédio ou equipamento de ginástica (não conta 'nearby'). Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_estacionamento	bool	2026	sem nulo		Comodidade: estacionamento no imóvel, pago ou gratuito (não conta vaga na rua). Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_piscina	bool	2026	sem nulo		Comodidade: piscina (não conta mesa de sinuca nem vista para piscina). Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_porteiro	bool	2026	sem nulo		Comodidade: equipe no prédio / porteiro. Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_self_checkin	bool	2026	sem nulo		Comodidade: self check-in. Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_espaco_trabalho	bool	2026	sem nulo		Comodidade: espaço de trabalho dedicado. Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_tv	bool	2026	sem nulo		Comodidade: TV. Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_varanda_patio	bool	2026	sem nulo		Comodidade: varanda, pátio, quintal ou terraço. Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
amen_permite_pets	bool	2026	sem nulo		Comodidade: aceita animais de estimação. Expressão regular sobre cada item da lista em schema.AMENIDADES.	derivada: amenities
host_superhost	bool	2026	sem nulo		Superhost, com nulo tratado como False (os 349 anúncios sem perfil não podem ter o selo verificado).	derivada: host_is_superhost
host_anos	float64	2026	[0, ]		Anos como anfitrião: hosts_time_as_host_years + meses/12. (host_since veio 100% vazio neste snapshot.)	derivada
tipo_imovel_grupo	category	2026	apartamento_inteiro, casa_inteira, quarto_em_apartamento, quarto_em_casa, hotel_pousada, quarto_compartilhado, atipico; sem nulo		property_type em 7 grupos: apartamento/casa inteira, quarto em apartamento/casa, hotel ou pousada, quarto compartilhado, atípico (barco, trailer, torre...). Regra em clean/derivadas.py.	derivada: property_type

2. Colunas de origem e o que a limpeza faz com cada uma

Kaggle 2019 — AB_NYC_2019.csv

coluna	tipo bruto	descrição	tratamento	pessoal	motivo
id	int64	Id do anúncio.	mantida	sim
name	texto	Título do anúncio (16 nulos).	mantida	sim
host_id	int64	Id do anfitrião.	mantida	sim
host_name	texto	Primeiro nome do anfitrião (21 nulos).	descartada	sim	dado pessoal (invariante 9) e inútil como chave: homônimos entre anfitriões (Q3)
neighbourhood_group	texto	Distrito.	mantida
neighbourhood	texto	Bairro.	mantida
latitude	float64	Latitude.	mantida
longitude	float64	Longitude.	mantida
room_type	texto	Tipo de acomodação (3 valores).	mantida
price	int64	Diária em US$ (inteiro).	renomeada → preco
minimum_nights	int64	Mínimo de noites.	mantida
number_of_reviews	int64	Total de avaliações.	mantida
last_review	texto (data)	Última avaliação (10.052 nulos).	mantida
reviews_per_month	float64	Avaliações por mês (10.052 nulos).	mantida
calculated_host_listings_count	int64	Anúncios do anfitrião no scrape.	mantida
availability_365	int64	Dias livres nos próximos 365.	mantida

Inside Airbnb 2026-06-14 — detalhado (data/listings.csv.gz)

coluna	tipo bruto	descrição	tratamento	pessoal	motivo
id	int64	Id do anúncio.	mantida	sim
listing_url	texto	URL do anúncio.	descartada	sim	URL leva ao anúncio e ao anfitrião (invariante 9)
scrape_id	int64	Id da coleta.	descartada		constante (20260614073253)
last_scraped	texto (data)	Data da coleta.	mantida
source	texto	Origem no scrape.	mantida
name	texto	Título.	mantida	sim
description	texto	Descrição livre do anúncio.	descartada	sim	texto livre do anfitrião (pode conter nome, telefone, endereço)
neighborhood_overview	texto	Texto do anfitrião sobre o bairro.	descartada	sim	100% nula neste snapshot
picture_url	texto	Foto do anúncio.	descartada	sim	foto (invariante 9)
host_id	int64	Id do anfitrião.	mantida	sim
host_url	texto	URL do perfil.	descartada	sim	URL de perfil (invariante 9)
host_profile_id	float64	Id do perfil novo do anfitrião.	descartada	sim	identificador pessoal redundante com host_id
host_profile_url	texto	URL do perfil novo.	descartada	sim	URL de perfil (invariante 9)
host_name	texto	Nome do anfitrião.	descartada	sim	dado pessoal (invariante 9); homônimos (Q3)
host_since	texto (data)	Data de início como anfitrião.	descartada		100% nula neste snapshot; substituída por hosts_time_as_host_*
hosts_time_as_user_years	float64	Anos de conta.	mantida
hosts_time_as_user_months	float64	Meses além dos anos de conta.	mantida
hosts_time_as_host_years	float64	Anos como anfitrião.	mantida
hosts_time_as_host_months	float64	Meses além dos anos como anfitrião.	mantida
host_location	texto	Onde o anfitrião diz morar.	descartada	sim	localização pessoal do anfitrião, texto livre
host_about	texto	Texto do anfitrião sobre si.	descartada	sim	texto pessoal (invariante 9)
host_response_time	texto	Tempo de resposta.	descartada		100% nula neste snapshot
host_response_rate	texto (%)	Taxa de resposta.	descartada		100% nula neste snapshot — a taxa numérica pedida não pode ser derivada
host_acceptance_rate	texto (%)	Taxa de aceitação.	descartada		100% nula neste snapshot — idem
host_is_superhost	t/f	Superhost.	mantida		tipada como booleana; alimenta host_superhost
host_thumbnail_url	texto	Miniatura da foto do anfitrião.	descartada	sim	foto; 100% nula neste snapshot
host_picture_url	texto	Foto do anfitrião.	descartada	sim	foto (invariante 9)
host_neighbourhood	texto	Bairro do anfitrião.	descartada	sim	100% nula neste snapshot
host_listings_count	float64	Anúncios do perfil.	mantida
host_total_listings_count	float64	Anúncios totais do perfil.	descartada		100% nula neste snapshot
host_verifications	texto	Meios de verificação.	descartada		100% nula neste snapshot
host_has_profile_pic	t/f	Tem foto de perfil.	mantida
host_identity_verified	t/f	Identidade verificada.	mantida
neighbourhood	texto	Bairro em texto livre.	descartada		100% nula neste snapshot; usar neighbourhood_cleansed
neighbourhood_cleansed	texto	Bairro pela coordenada.	mantida
neighbourhood_group_cleansed	texto	Distrito pela coordenada.	mantida
latitude	float64	Latitude.	mantida
longitude	float64	Longitude.	mantida
property_type	texto	Tipo de imóvel.	mantida
room_type	texto	Tipo de acomodação (4 valores).	mantida
accommodates	int64	Hóspedes.	mantida
bathrooms	float64	Banheiros.	mantida
bathrooms_text	texto	Banheiros em texto.	mantida
bedrooms	float64	Quartos.	mantida
beds	float64	Camas.	mantida
amenities	texto (JSON)	Comodidades.	mantida
price	texto	Preço "$1,234.00" (28,9% nulo).	renomeada → preco
price_quote_checkin_date	texto (data)	Check-in da cotação.	mantida
price_quote_checkout_date	texto (data)	Check-out da cotação.	mantida
price_quote_total_price	float64	Total da cotação.	mantida
price_quote_price_per_night	float64	Total ÷ noites.	descartada		idêntica a price em 100% das linhas com ambos (21.514); preco já a representa
price_quote_raw	texto (JSON)	Resposta bruta da cotação.	derivada → preco_cheio, desconto_pct		JSON bruto; os campos úteis viram derivadas
minimum_nights	float64	Mínimo de noites (2 nulos).	mantida
maximum_nights	float64	Máximo de noites.	mantida
minimum_minimum_nights	float64	Menor mínimo.	mantida
maximum_minimum_nights	float64	Maior mínimo.	mantida
minimum_maximum_nights	float64	Menor máximo.	mantida
maximum_maximum_nights	float64	Maior máximo.	mantida
minimum_nights_avg_ntm	float64	Mínimo médio.	mantida
maximum_nights_avg_ntm	float64	Máximo médio.	mantida
calendar_updated	texto	Última atualização do calendário.	descartada		100% nula neste snapshot
has_availability	t/f	Aceita reservas.	mantida
availability_30	int64	Dias livres em 30.	mantida
availability_60	int64	Dias livres em 60.	mantida
availability_90	int64	Dias livres em 90.	mantida
availability_365	int64	Dias livres em 365.	mantida
calendar_last_scraped	texto (data)	Coleta do calendário.	mantida
number_of_reviews	int64	Total de avaliações.	mantida
number_of_reviews_ltm	int64	Avaliações em 12 meses.	mantida
number_of_reviews_l30d	int64	Avaliações em 30 dias.	mantida
availability_eoy	int64	Dias livres até o fim do ano.	mantida
number_of_reviews_ly	int64	Avaliações no ano anterior.	mantida
estimated_occupancy_l365d	int64	Ocupação estimada (noites).	mantida
estimated_revenue_l365d	float64	Receita estimada.	mantida
first_review	texto (data)	Primeira avaliação.	mantida
last_review	texto (data)	Última avaliação.	mantida
review_scores_rating	float64	Nota média 0–5.	mantida
review_scores_accuracy	float64	Nota média 0–5.	mantida
review_scores_cleanliness	float64	Nota média 0–5.	mantida
review_scores_checkin	float64	Nota média 0–5.	mantida
review_scores_communication	float64	Nota média 0–5.	mantida
review_scores_location	float64	Nota média 0–5.	mantida
review_scores_value	float64	Nota média 0–5.	mantida
license	texto	Registro OSE.	mantida
instant_bookable	t/f	Reserva instantânea.	descartada		100% nula neste snapshot
calculated_host_listings_count	int64	Contagem de anúncios do anfitrião no scrape.	mantida
calculated_host_listings_count_entire_homes	int64	Contagem de anúncios do anfitrião no scrape.	mantida
calculated_host_listings_count_private_rooms	int64	Contagem de anúncios do anfitrião no scrape.	mantida
calculated_host_listings_count_shared_rooms	int64	Contagem de anúncios do anfitrião no scrape.	mantida
reviews_per_month	float64	Avaliações por mês.	mantida

Inside Airbnb 2026-06-14 — resumo (visualisations/listings.csv)

coluna	tipo bruto	descrição	tratamento	pessoal	motivo
id	int64	Id do anúncio.	referencia	sim	conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
name	texto	Título (quebras de linha preservadas, ao contrário do detalhado).	referencia	sim	conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
host_id	float64	Id do anfitrião (296 nulos).	referencia	sim	conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
host_profile_id	float64	Id do perfil do anfitrião.	referencia	sim	conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
host_name	texto	Nome do anfitrião.	referencia	sim	conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
neighbourhood_group	texto	Distrito.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
neighbourhood	texto	Bairro.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
latitude	float64	Latitude.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
longitude	float64	Longitude.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
room_type	texto	Tipo de acomodação.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
price	float64	Preço arredondado ao dólar.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
minimum_nights	float64	Mínimo de noites.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
number_of_reviews	int64	Total de avaliações.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
last_review	texto (data)	Última avaliação.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
reviews_per_month	float64	Avaliações por mês.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
calculated_host_listings_count	float64	Anúncios do anfitrião.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
availability_365	int64	Dias livres nos próximos 365.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
number_of_reviews_ltm	int64	Avaliações nos últimos 12 meses.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1
license	texto	Registro OSE.	referencia		conferência apenas: o detalhado traz 30.259 dos 30.555 ids com valores idênticos (preço lá tem centavos); os 296 restantes não têm anfitrião — docs/04 §1

3. Quarentena (data/processed/quarentena.parquet)

coluna	descrição
snapshot	"2019" ou "2026"
id	id do anúncio (pessoal — não publicar)
regra	código da regra (B01…, P01…)
motivo	texto da regra
escopo	base (a linha sai de tudo) ou preco (a linha fica, mas sai das análises de preço)

Regras, contagens e cascata em data/processed/_qualidade.json e em Preparação dos dados.