# Crear el gráfico utilizando Seaborn sns.pairplot(df[['m2_real', 'price', 'room_num', 'condition']])

# Crear una variable X y una Y para entrenar las redes neuronales
# Crear una variable test con los mismos valores

X = df[['m2_real', 'room_num', 'condition']]
Y = df[['price']]
test = df[['m2_real', 'room_num', 'condition']]

# Normalizar las variables
X = X.apply(lambda x: (x - np.min(x)) / (np.max(x) - np.min(x)))
test = test.apply(lambda x: (x - np.min(x)) / (np.max(x) - np.min(x)))

# Dividir el dataframe en train y test
x_train, x_test, y_train, y_test = train_test_split(X, Y, test_size=0.3)