🏡 Montréal Airbnb Analytics Dashboard

Analyse de données + Dashboard full‑stack
Données brutes → ETL Python → PostgreSQL (Supabase) → API FastAPI → Front Nuxt 3

---

📑 Sommaire

1. Prérequis
2. Structure du dépôt
3. Pipeline ETL
4. Analyse exploratoire (EDA)
5. Stack technique
6. Lancement rapide
7. Road Map
8. Licence

---

Prérequis

• Python 3.10+ (pipx conseillé)
• Node 18+ (Nuxt 3, pnpm)
• Supabase CLI (npm i -g supabase)
• psql (ou Docker + pgcli)
• Comptes : Supabase, Vercel

Structure du dépôt

├─clean/                   # CSV nettoyés prêts à l’import
├─notebooks/               # EDA Jupyter
├─scripts/
│   ├─key_columns_finder.py     # détection colonnes clé (PK) dans CSV bruts
│   ├─clean_data.py             # pipeline de nettoyage initial
│   ├─assign_neighbourhoods.py  # jointure spatiale → quartier
│   ├─validate_clean_data.py    # contrôles qualité avant import
│   └─import_airbnb_supabase.sh # import CSV → Supabase (optionnel
├─backend/                 # FastAPI (src/)
├─frontend/                # Nuxt 3 (app/)
└─README.md

Pipeline ETL & Qualité

Étape	Script / commande	Résultat
1	python scripts/key_columns_finder.py ./raw_data	Vérifie unicité & clés candidates
2	python scripts/clean_data.py	Génère clean/*_clean.csv
3	python scripts/assign_neighbourhoods.py	Ajoute neighbourhood manquants → listings_clean_geo.csv
4	python scripts/validate_clean_data.py ./clean	Contrôle intégrité / valeur manquante 0
5	PGURL=... ./scripts/import_airbnb_supabase.sh (ou \COPY via psql)	Charge les données dans Supabase

Après l’étape 4, la sortie doit afficher neighbourhood : 0 et id en double : 0.
L’import (étape 5) est optionnel, on peut utiliser COPY FROM 'supabase://...' dans le SQL Editor.

Analyse exploratoire (EDA)

Les notebooks notebooks/eda_*.ipynb couvrent :

• Structure & qualité
• Distribution des prix
• Prix par quartier
• Saisonnalité, corrélations, sentiment des avis
• Carte choroplèthe quartiers

Stack technique

Couche	Techno
Base de données	PostgreSQL 15 (Supabase pooler)
Backend	FastAPI + asyncpg
Frontend	Nuxt 3 + Vue 3 + Chart.js
Auth	Supabase Auth (JWT)
Déploiement	Vercel (front) / Render ou Railway (API)

Lancement rapide

# 1. Cloner le repo & installer Python env
git clone https://github.com/Leo-Pellegrin/airbnb-montreal-analytics.git
cd airbnb-montreal-analytics
pipx runpip python -e . '[dev]'

# 2. Nettoyage + ajout quartiers + validation
python scripts/key_columns_finder.py ./raw_data
python scripts/clean_data.py
python scripts/assign_neighbourhoods.py
python scripts/validate_clean_data.py ./clean

# 3. Import (Supabase)
PGURL="postgresql://user:pw@host:6543/postgres?sslmode=require" \
./scripts/import_airbnb_supabase.sh

# 3. Frontend
cd frontend && pnpm i && pnpm dev

# 4. Backend
cd backend && uvicorn app.main:app --reload

Road Map

La feuille de route détaillée se trouve dans notebooks/roadmap_eda.md.

Licence

MIT © 2025 Léo Pellegrin