1.

Se confirma la creación de la columna y la asignación del rango correspondiente:

2. Se importan las librerías para análisis gráficos y se genera un grafico tipo pastel con
la información de rangos de precio:
 Como se observa en la imagen el 78.4% de los inmuebles esta en el rango de
precios hasta los 200 millones.

3. Se generan histogramas

Los histogramas muestran la gran dispersión de datos.

4. Generamos el grafico de correlación

 Se puede observar que a mayor terreno mayor precio

5. Dando respuesta a las preguntas:

¿En qué rangos de precio se encuentra la mayor cantidad de inmuebles? (cuyo rango
inicial sea de 0 a 200 millones)

El 78.4% de los inmuebles están en el rango de precios hasta los 200 millones.

¿Existe alguna sugerencia para tratar los datos actuales para un mejor análisis?

En el análisis estadístico se puede identificar que los datos presentan demasiada

dispersión o falta de homogeneidad ya que el promedio está muy distante del valor
máximo y mínimo, esta misma información se puede evidenciar con la desviación
estándar, se puede contemplar eliminar valores extremos para homogenizar los
datos y tener mejor vista de los datos.

¿El tamaño del terreno es directamente proporcional con el precio?

Se puede confirmar que a mayor terreno mayor precio.

Conclusión.

En este caso propuesto pudimos evidenciar que el análisis de datos con Python es
una herramienta extremadamente útil, que nos permite tener una visión de todos los
aspectos de los datos a analizar, el inconveniente que encontré fue que cuando los
gráficos tienen un numero grande de ítems, estos se superponen y nos posible su
lectura adecuada, se debe investigar la forma del como aumentar el tamaño del
grafico para poder ver de forma correcta los ítems.