Commit cb3edbce authored by numeroteca's avatar numeroteca

geocodes with photon missing VUT wrongly geolocated with PHP method....

geocodes with photon missing VUT wrongly geolocated with PHP method. Calculates barrio and district. Recalculates VUT per district and barrio and compares it to Airbnb
parent 62a5c50f
......@@ -25,11 +25,13 @@ distritos <- readOGR("data/original/shapes/distritos.valencia.wgs84.geojson")
# summary(airbnb)
# airbnb <- airbnb %>% filter(!is.na(barrio))
# airbnb <- read_csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded.csv")
# airbnb <- read_csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar_geocoded-photon2_por-geocodificar.csv")
# airbnb <- read_csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar_geocoded-photon2.csv")
# airbnb <- read_csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded-photon3.csv")
# airbnb <- read.delim("data/original/airbnb/190227/listings_valencia_insideairbnb.csv",sep = ",")
airbnb <- read.delim("data/output/1190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar_geocoded-photon.csv",sep = ",")
# airbnb <- read.delim("data/output/1190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar_geocoded-photon.csv",sep = ",")
airbnb <- read.delim("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar_geocoded-with-photon-and-name-cleaning-1.csv",sep = ",")
airbnb$id.row <- rownames(airbnb)
......@@ -78,17 +80,20 @@ drops <- c("lat.1","lon.1")
# drops <- c("latitude.1","longitude.1")
airbnb.temp <- airbnb.temp[ , !(names(airbnb.temp) %in% drops)]
# airbnb <- left_join(airbnb, select(airbnb.temp, barrio,distrito,coddistbar,coddistrit,id.row),by="id.row")
airbnb <- left_join(select(airbnb,-barrio,-distrito,-coddistbar,-coddistrit), # tiene la variable creada pero es erronea
select(airbnb.temp, barrio,distrito,coddistbar,coddistrit,id.row),by="id.row")
# add barrio and distrito to original data frame
airbnb <- left_join(airbnb, select(airbnb.temp, barrio,distrito,coddistbar,coddistrit,id.row),by="id.row")
# tiene la variable creada pero es erronea. las quita antes de hacer el join
# airbnb <- left_join(select(airbnb,-barrio,-distrito,-coddistbar,-coddistrit),
# select(airbnb.temp, barrio,distrito,coddistbar,coddistrit,id.row),by="id.row")
# Some points will be outside polygons and have Barrio variable fixed
airbnb[is.na(airbnbSp$barrio),]$name
table(airbnb[is.na(airbnbSp$barrio),]$name)
# There are n points that have no Barrio assigned
length(airbnb[is.na(airbnbSp$barrio),]$name)
# table(airbnb$barrio)
# table(airbnb$distrito)
table(airbnb$distrito)
ggplot() +
geom_polygon(data = municipios,
......@@ -131,10 +136,10 @@ table(airbnb$barrio)
# saves file
# save(airbnb,file="data/output/180423_listings-airbnb-donostia_datahippo_barrio-umenor.Rda")
# write.csv(airbnb, file = "data/output/180423_listings-airbnb-donostia_datahippo_barrio-umenor.csv", row.names = FALSE)
# write.csv(airbnb, file = "data/output/vut-donostia/censo-viviendas-turisticas-donostia-180301_barrio-umenor.csv", row.names = FALSE)
# write.csv(airbnb, file = "data/output/vut-donostia/censo-viviendas-turisticas-donostia-20180914_barrio-umenor.csv", row.names = FALSE)
# write.csv(airbnb, file = "data/output/180604_listings-airbnb-donostia_datahippo_with-last-review-20180912-reviewed_barrio-umenor.csv", row.names = FALSE)
# write.csv(airbnb, file = "data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded_barrio-distrito.csv", row.names = FALSE)
# write.csv(airbnb, file = "data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded-photon3_barrio-distrito.csv", row.names = FALSE)
# write.csv(airbnb, file = "data/output/airbnb/190227/listings_valencia_insideairbnb_barrio-distrito.csv", row.names = FALSE)
write.csv(airbnb, file = "data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar_geocoded-photon_barrio-distrito.csv", row.names = FALSE)
write.csv(airbnb, file = "data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar_geocoded-with-photon-and-name-cleaning-1_barrio-distrito.csv", row.names = FALSE)
# points witout barrio and distrito
# write.csv(airbnb %>% filter(is.na(barrio)), file = "data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded_con-barrio-distrito-por-recalcular.csv", row.names = FALSE)
......@@ -12,14 +12,20 @@ library(gsubfn)
# comunidad Valenciana
vut_valenciana <- read.csv("data/original/190302_viviendas-turisticas-comunidad-valenciana.csv",stringsAsFactors = FALSE)
# ciudad de Valencia
vut_valencia <- read.csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded-photon3_barrio-distrito.csv",stringsAsFactors = FALSE)
# vut_valencia <- read.csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded-photon3_barrio-distrito.csv",stringsAsFactors = FALSE)
vut_valencia <- read.csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded_barrio-distrito.csv",stringsAsFactors = FALSE)
# vut_valencia <- read.csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded.csv",stringsAsFactors = FALSE)
table(vut_valencia$distrito)
# removes the ones without barrio
vut_valencia <- vut_valencia %>% filter(!is.na(barrio))
# los 1200 que faltaban por geocodificar de valencia
vut_valencia2 <- read.csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar_geocoded-photon_barrio-distrito.csv",stringsAsFactors = FALSE)
# los 2.853 que faltaban por geocodificar de Valencia
vut_valencia2 <- read.csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar_geocoded-with-photon-and-name-cleaning-1_barrio-distrito.csv",stringsAsFactors = FALSE)
names(vut_valencia)
names(vut_valencia2)
# une los geocodificados con php y los que faltaban que han sido geocodificados con photon
vut_valencia <- rbind(vut_valencia,vut_valencia2)
vut <- vut_valencia
......@@ -29,7 +35,7 @@ vut <- vut_valencia
# export.to.geocode <- vut %>% filter(is.na(barrio))
# write.csv(export.to.geocode, file = "data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar.csv", row.names = FALSE)
# shapes
# load shapes -------------
barrios <- readOGR("data/original/shapes/barrios.valencia.wgs84.geojson")
distritos <- readOGR("data/original/shapes/distritos.valencia.wgs84.geojson")
# municipios <- distritos
......@@ -78,11 +84,20 @@ vut.municipio %>% head(50) %>%
size=3,color="#888888", hjust=0)
dev.off()
# por tlf comunidad Valenciana -------
ntlf_cv<- group_by(vut_valenciana,Teléfono) %>% summarise( n= n() ) %>% arrange(desc(n))
df <- as.data.frame(table(vut_valenciana$Teléfono,vut_valenciana$Municipio) )
# analisis Valencia -----------------
# por teléfono --------------
ntlf<- group_by(vut_valencia,Teléfono) %>% summarise( n= n() ) %>% arrange(desc(n))
# comprobación con los datos brutos de la comunidad Valenciana
vut_valencia_sin_geo <- vut_valenciana %>% filter(Municipio == "València")
ntlf_sin_geo<- group_by(vut_valencia_sin_geo,Teléfono) %>% summarise( n= n() ) %>% arrange(desc(n))
png(filename="images/vut/vut-telefonos-top25-valencia-201903.png",width = 600,height = 500)
ntlf[!is.na(ntlf$Teléfono),] %>% head(25) %>%
ggplot(aes(x = reorder(Teléfono,n), y = n)) +
......@@ -158,7 +173,7 @@ ggplot() +
geom_point(data= vut,
aes(x=lon, y=lat),alpha=1,size = 0.1)+
geom_jitter(data= vut,
aes(x=lon, y=lat),alpha=0.6,size = 0.6,color="red",width = 0.0007, height = 0.0007)+
aes(x=lon, y=lat),alpha=0.2,size = 0.6,color="red",width = 0.0007, height = 0.0007)+
# geom_point(data= local_activo[host_id %in% n_alojamientos[1:5,]$host_id,],
# aes(x=longitude, y=latitude, color=host_name),alpha=0.6,size = 1) + #color="blue"
coord_fixed(xlim= c(-0.4, -0.3),ylim=c(39.45,39.5),ratio=1.3 ) +
......@@ -180,10 +195,10 @@ vut.distrito <- group_by(vut_valencia,distrito) %>% summarise( n= n()) %>% arran
vut.distrito[is.na(vut.distrito$distrito),]$distrito <- "POR CLASIFICAR"
png(filename="images/vut/vut-distritos-valencia-201903.png",width = 600,height = 500)
vut.distrito %>% #filter(!is.na(distrito)) %>%
vut.distrito %>% filter(distrito != "POR CLASIFICAR" ) %>%
ggplot(aes(x = reorder(distrito,n), y = n)) +
geom_col()+
geom_text(data = vut.distrito %>% filter(!is.na(distrito)),
geom_text(data = vut.distrito %>% filter(distrito != "POR CLASIFICAR" ),
aes(label = n,y = n+3),
hjust = 0,
size=3,color="#000000") +
......@@ -194,28 +209,28 @@ ggplot(aes(x = reorder(distrito,n), y = n)) +
legend.position = "bottom"
) +
labs(title = "Número de viviendas turísticas por distrito en registro oficial",
subtitle = "Valencia. Marzo 2019.",
subtitle = paste("Valencia. Marzo 2019. (", vut.distrito %>% filter(distrito == "POR CLASIFICAR" ) %>% select(n)," por clasificar).",sep = ""),
y = "nº anuncios",
x = "",
caption = "Datos: Generalitat Valenciana. Gráfico: lab.montera34.com/airbnb")
dev.off()
vut.distrito <- group_by(vut_valencia,distrito) %>% summarise( n= n())
vut.distrito[is.na(vut.distrito$distrito),]$distrito <- "POR CLASIFICAR"
vut.distrito[vut.distrito$distrito == "EL PLA DEL REAL",]$distrito <- "PLA DEL REAL"
# vut.distrito <- group_by(vut_valencia,distrito) %>% summarise( n= n())
# vut.distrito[is.na(vut.distrito$distrito),]$distrito <- "POR CLASIFICAR"
# vut.distrito[vut.distrito$distrito == "EL PLA DEL REAL",]$distrito <- "PLA DEL REAL"
datos2.distrito$neighbourhood <- as.character(datos2.distrito$neighbourhood)
datos2.distrito[is.na(datos2.distrito$neighbourhood),]$neighbourhood <- "POR CLASIFICAR"
# datos2.distrito$neighbourhood <- as.character(datos2.distrito$neighbourhood)
# datos2.distrito[is.na(datos2.distrito$neighbourhood),]$neighbourhood <- "POR CLASIFICAR"
vut.distrito$distrito
datos2.distrito$neighbourhood
# vut.distrito$distrito
# datos2.distrito$neighbourhood
# por barrio -----------------------------
vut.barrio <- group_by(vut,barrio) %>% summarise( n= n() ) %>% arrange(desc(n))
vut.barrio[is.na(vut.barrio$barrio),]$barrio <- "POR CLASIFICAR"
png(filename="images/vut/vut-barrios-valencia-201903.png",width = 600,height = 1100)
png(filename="images/vut/vut-barrios-valencia-201903.png",width = 640,height = 1100)
vut.barrio %>% filter(!barrio == "POR CLASIFICAR") %>%
ggplot(aes(x = reorder(barrio,n), y = n)) +
geom_col() + coord_flip() +
......@@ -228,14 +243,14 @@ vut.barrio %>% filter(!barrio == "POR CLASIFICAR") %>%
panel.grid.minor.y = element_blank(), panel.grid.major.y = element_blank(),
legend.position = "bottom"
) +
labs(title = "Número de viviendas turísticas por barrioen registro oficial",
subtitle = "Valencia. Marzo 2019. (209 por clasificar).",
labs(title = "Número de viviendas turísticas por barrio en registro oficial",
subtitle = paste("Valencia. Marzo 2019. (", vut.barrio %>% filter(barrio == "POR CLASIFICAR" ) %>% select(n)," por clasificar).",sep = ""),
y = "nº anuncios",
x = "",
caption = "Datos: Generalitat Valenciana. Gráfico: lab.montera34.com/airbnb")
dev.off()
png(filename="images/vut/vut-top25-barrios-valencia-201903.png",width = 600,height = 1100)
png(filename="images/vut/vut-top25-barrios-valencia-201903.png",width = 700,height = 600)
vut.barrio %>% filter(!barrio == "POR CLASIFICAR") %>% head(25) %>%
ggplot(aes(x = reorder(barrio,n), y = n)) +
geom_col() + coord_flip() +
......@@ -248,9 +263,9 @@ vut.barrio %>% filter(!barrio == "POR CLASIFICAR") %>% head(25) %>%
panel.grid.minor.y = element_blank(), panel.grid.major.y = element_blank(),
legend.position = "bottom"
) +
labs(title = "Número de viviendas turísticas por barrioen registro oficial. Top 25",
subtitle = "Valencia. Marzo 2019. (209 por clasificar).",
labs(title = "Número de viviendas turísticas por barrio en registro oficial. Top 25",
subtitle = paste("Valencia. Marzo 2019. (", vut.barrio %>% filter(barrio == "POR CLASIFICAR" ) %>% select(n)," por clasificar).",sep = ""),
y = "nº anuncios",
x = "",
caption = "Datos: Generalitat Valenciana. Gráfico: lab.montera34.com/airbnb")
dev.off()
dev.off()
\ No newline at end of file
"barrio","n_listings"
"",244
"Algirós",208
"Benicalap",94
"Benimaclet",146
"Camins al Grau",471
"Campanar",111
"Ciutat Vella",1506
"Extramurs",579
"Jesús",119
"L'Eixample",679
"L'Olivereta",227
"La Saïdia",319
"Patraix",110
"Pla del Real",160
"Poblados Marítimos",1071
"Quatre Carreres",393
"Rascanya",115
......@@ -35,10 +35,11 @@ calles_valencia = read.csv("data/original/vias-valencia.csv") %>%
mutate(nombre_ca_full = paste(tipovia_ca, nomoficial, sep = " ")) %>%
mutate(nombre_ca_full = as.factor(toupper(nombre_ca_full)))
# Load dataset and manipulate addresses.
# Load dataset and manipulate addresses --------------------------
# we only use street name, as there are no many street numbers in Valencia OSM data
df = read.csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar.csv") %>%
# df = read.csv("data/original/190302_viviendas-turisticas-comunidad-valenciana_valencia.csv") %>%
# df = read.csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar.csv") %>%
df <- read.csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded_con-barrio-distrito-por-recalcular.csv") %>%
# df_original = read.csv("data/original/190302_viviendas-turisticas-comunidad-valenciana_valencia.csv") %>%
# df = read.csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar_geocoded-photon2_por-geocodificar.csv") %>%
# select(Signatura,Municipio,Provincia,Address,Teléfono) %>%
separate(Address, c("nombre_es_raw", "num"), extra = "merge",
......@@ -75,21 +76,65 @@ df = df %>%
mutate(nombre_es_raw = gsub("DELS XIPRERS", "XIPRERS", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("DR. J.J. DOMINE", "DOCTOR J.J. DOMINE", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("FERNANDO ABRIL MARTO", "FERNANDO ABRIL MARTORELL", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("URBANIZACION RESIDENCIAL MAESTRO RODRIGO, C EDUARDO SOLER Y PEREZ", "C EDUARDO SOLER Y PEREZ", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("URBANIZACION MALVARROSA, C GRAN CANARIA", "C GRAN CANARIA", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("URBANIZACION RECIDENCIAL, EDIFICIO CASA, C PADRE LUIS NAVARRO", "C PADRE LUIS NAVARRO", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("URBANIZACION VALMAR, EDIFICIO VALMAR, AV DE LAS GAVIOTAS", "AV GAVIOTAS", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("URBANIZACION GRAN RECATI, AV DE LAS GAVIOTAS", "AV GAVIOTAS", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("URBANIZACION GRAN RECATI, EDIFICIO FASE II, AV DE LAS GAVIOTAS", "AV GAVIOTAS", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("AV DE LAS GAVIOTAS", "AV GAVIOTAS", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("AV DE LA CONSTITUCION", "AV CONSTITUCION", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("URBANIZACION NO, EDIFICIO SI, C VILLANUEVA Y GASCONS", "C VILLANUEVA Y GASCONS", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("PL DE LA REINA", "PL REINA", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("PA DE LA ALAMEDA", "PA ALAMEDA", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("PL DRAMATURGO FAUSTO HERNANDEZ", "PL DRAMATURC FAUST HERNANDEZ CASAJUANA", nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("C EN VICENTE GALLAT, ARXIPREST", 'C DON VICENTE GALLART "ARCIPRESTE"', nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("C SANTA GENOVEVA TORRES", 'C SANTA GENOVEVA TORRES', nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("AV INSTITUTO VALENCIANO OBRERO", 'AV INSTITUTO OBRERO DE VALENCIA', nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("EDIFICIO ARCADIAS, C ESPARTERO", 'C ESPARTERO', nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("EDIFICIO SOHO SUITES, C TORNO DEL HOSPITAL", 'C TORNO DEL HOSPITAL', nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("EDIFICIO ELEGANCE VALENCIA, C SANTA TERESA", 'C SANTA TERESA', nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("EDIFICIO APARTAMENTOS GASCONS, C GASCONS", 'C GASCONS', nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("EDIFICIO SOHO SUITES, C TRIADOR", 'C TRIADOR', nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("URBANIZACION , C PALOMAR", 'C PALOMAR', nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("URBANIZACION AVENIDA DEL PUERTO, EDIFICIO AVENIDA DEL PUERTO, AV DEL PUERTO", 'AV PUERTO', nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("PL DE LA MERCED", 'PL MERCED', nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("EDIFICIO APOLO, C JUAN DE AUSTRIA", 'C JUAN DE AUSTRIA', nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("URBANIZACION VALENCIA, EDIFICIO VALENCIA, C CONDE DE MONTORNES", 'C CONDE DE MONTORNES', nombre_es_raw)) %>%
mutate(nombre_es_raw = gsub("AV DE LA MALVAROSA", 'AV MALVARROSA', nombre_es_raw)) %>%
mutate(nombre_es = record.linkage.names(nombre_es_raw)) %>%
left_join(calles_valencia, by = c("nombre_es" = "nombre_es"))
# Geocoding with Photon ---------------------------------------------------
# Build a new dataframe with desired information.
df2 <- df %>%
select(Address, Signatura, Municipio, tipovia_ca, nomoficial, num) %>%
mutate(full_address_ca = paste(tipovia_ca, " ", nomoficial, ", ", Municipio, ", Spain",
sep = "")) %>%
filter(!is.na(nomoficial))
# Carrer de Bernat Descoll, Malilla, Quatre Carreres, Valencia, Comarca de València, Valencia, Valencian Community, Spain
df2 <- df %>%
select(Address, Signatura, Municipio, tipovia_ca, nomoficial, num, nombre_es_raw, id.row) %>%
mutate(
full_address_ca = ifelse(is.na(nomoficial),
paste(nombre_es_raw, ", Valencia, Spain", sep = ""),
paste(tipovia_ca, " ", nomoficial, ", Valencia, Spain", sep = "")
)
)
# filter(!is.na(nomoficial)) #Comento filtro para que pille también las que no tienen nomoficial
# calculate how many without nomoficial
ddd <- df2 %>% filter(is.na(nomoficial))
xxx <- as.data.frame(table(ddd$nombre_es_raw))
sum(xxx$Freq)
# adds full_address_ca
df <- df %>%
mutate(full_address_ca = paste(tipovia_ca, " ", nomoficial, ", ", Municipio, ", Spain",
sep = ""))
mutate(
full_address_ca = ifelse(is.na(nomoficial),
paste(nombre_es_raw, ", Valencia, Spain", sep = ""),
paste(tipovia_ca, " ", nomoficial, ", Valencia, Spain", sep = "")
)
)
# ubicaciones unicas a geocodificar
length(unique(df2$full_address_ca))
......@@ -128,8 +173,8 @@ ggplot() +
# df.combined <- full_join(df, geocoded.df, by = "row.id")
# add coordinates of streets to VUT
# df.combined <- left_join(df, geocoded.df, by = c("full_address_ca" = "location"))
df.combined <- left_join( select(df,-lat,-lon), geocoded.df, by = c("full_address_ca" = "location"))
df.combined <- left_join(select(df,-lat,-lon), geocoded.df, by = c("full_address_ca" = "location"))
# df.combined <- left_join( select(df,-lat,-lon), geocoded.df, by = "id.row")
# Check locations ----------
table(df.combined$country)
......@@ -138,4 +183,4 @@ nrow(df.combined %>% filter(city == "Valencia"))
nrow(df.combined %>% filter(!city == "Valencia"))
# write.csv(df.combined, file = "data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded-photon3.csv", row.names = FALSE)
write.csv(df.combined, file = "data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar_geocoded-photon.csv", row.names = FALSE)
write.csv(df.combined %>% select(Signatura, Municipio, Provincia, Address, Teléfono, lat, lon, id.row), file = "data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar_geocoded-with-photon-and-name-cleaning-1.csv", row.names = FALSE)
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment