fix(data): regenerar dataset_web.json con sumas correctas a nivel isla

El script 02_build_dataset.py hacia SUM de hut_registros/hut_plazas por
seccion censal, multiplicando los valores de Eivissa (76 secciones) y
Formentera (6 secciones) por el numero de secciones del municipio.

Creado scripts/04_regenerate_web_json.py que:
- Lee el CSV raw de HUT Eivissa y agrega por municipio (total real: 2.364
  registros / 18.184 plazas)
- Lee el JSON raw de IBESTAT Formentera (1.375 / 14.935)
- Para Mallorca/Menorca mantiene SUM por seccion del parquet (correcto,
  granularidad seccion censal)

Bug secundario corregido: Mallorca y Menorca tenian los mismos totales
porque se agregaba el dict combinado. Ahora se agrega por isla individual.

Nuevo scripts/05_export_airbnb_geojson.py genera el GeoJSON de listings
individuales para los clusters del mapa (18.391 puntos, 2.97MB).

data/output/dataset_web.json

@@ -1,27 +1,5 @@
 {
   "resumen_por_isla": [
-    {
-      "isla": "Eivissa",
-      "secciones": 76,
-      "airbnb_listings": 0,
-      "airbnb_entire_homes": 0,
-      "airbnb_revenue_total": 0,
-      "airbnb_hosts_unicos": 0,
-      "airbnb_con_licencia": 0,
-      "hut_registros": 32953,
-      "hut_plazas": 252243
-    },
-    {
-      "isla": "Formentera",
-      "secciones": 6,
-      "airbnb_listings": 0,
-      "airbnb_entire_homes": 0,
-      "airbnb_revenue_total": 0,
-      "airbnb_hosts_unicos": 0,
-      "airbnb_con_licencia": 0,
-      "hut_registros": 8250,
-      "hut_plazas": 89610
-    },
     {
       "isla": "Mallorca",
       "secciones": 545,
@@ -43,6 +21,28 @@
       "airbnb_con_licencia": 3379,
       "hut_registros": 0,
       "hut_plazas": 0
+    },
+    {
+      "isla": "Eivissa",
+      "secciones": 76,
+      "airbnb_listings": 0,
+      "airbnb_entire_homes": 0,
+      "airbnb_revenue_total": 0,
+      "airbnb_hosts_unicos": 0,
+      "airbnb_con_licencia": 0,
+      "hut_registros": 2364,
+      "hut_plazas": 18184
+    },
+    {
+      "isla": "Formentera",
+      "secciones": 6,
+      "airbnb_listings": 0,
+      "airbnb_entire_homes": 0,
+      "airbnb_revenue_total": 0,
+      "airbnb_hosts_unicos": 0,
+      "airbnb_con_licencia": 0,
+      "hut_registros": 1375,
+      "hut_plazas": 14935
     }
   ]
 }

scripts/04_regenerate_web_json.py

@@ -0,0 +1,119 @@
+"""
+Regenera data/output/dataset_web.json con sumas correctas a nivel isla.
+
+Bug original en 02_build_dataset.py: para Eivissa/Formentera hace SUM
+de `hut_registros` y `hut_plazas` por seccion censal, pero el valor se
+replica a todas las secciones del mismo municipio -> multiplica.
+
+Este script:
+- Para Mallorca/Menorca: usa SUM del parquet (correcto, granularidad seccion).
+- Para Eivissa: lee el CSV raw `hut_eivissa_2026-07-14.csv` y agrega por municipio.
+- Para Formentera: lee el JSON raw `ibestat_formentera_2019.json` (1 fila).
+
+Salida: data/output/dataset_web.json con la misma estructura que antes.
+"""
+
+from pathlib import Path
+import json
+
+import pandas as pd
+
+ROOT = Path(__file__).resolve().parent.parent
+RAW = ROOT / "data" / "raw"
+OUT = ROOT / "data" / "output"
+
+
+def huts_eivissa_total() -> dict:
+    """Total HUT Eivissa a nivel isla (sin duplicar por seccion)."""
+    df = pd.read_csv(RAW / "hut_eivissa_2026-07-14.csv")
+    df = df[df["Municipi"] != "NUEVO BOLSA DE PLAZAS"].copy()
+    df["plazas"] = pd.to_numeric(df["Total Places"], errors="coerce").fillna(0).astype(int)
+    return {
+        "registros": int(len(df)),
+        "plazas": int(df["plazas"].sum()),
+    }
+
+
+def formentera_total() -> dict:
+    """Total Formentera a nivel isla (1 municipio)."""
+    with open(RAW / "ibestat_formentera_2019.json", "r", encoding="utf-8") as f:
+        data = json.load(f)
+    return {
+        "registros": int(data["metadata"]["total_unidades"]),
+        "plazas": int(data["metadata"]["total_plazas"]),
+    }
+
+
+def airbnb_por_isla() -> dict:
+    """Total Airbnb por isla desde el parquet (SUM por seccion es correcto)."""
+    df = pd.read_parquet(OUT / "dataset.parquet")
+    mall = df[df["isla"] == "Mallorca"]
+    men = df[df["isla"] == "Menorca"]
+    return {
+        "Mallorca": {
+            "listings": int(mall["airbnb_listings"].sum()),
+            "entire_homes": int(mall["airbnb_entire_homes"].sum()),
+            "revenue_total": int(mall["airbnb_revenue_total"].sum()),
+            "hosts_unicos": int(mall["airbnb_hosts_unicos"].sum()),
+            "con_licencia": int(mall["airbnb_con_licencia"].sum()),
+        },
+        "Menorca": {
+            "listings": int(men["airbnb_listings"].sum()),
+            "entire_homes": int(men["airbnb_entire_homes"].sum()),
+            "revenue_total": int(men["airbnb_revenue_total"].sum()),
+            "hosts_unicos": int(men["airbnb_hosts_unicos"].sum()),
+            "con_licencia": int(men["airbnb_con_licencia"].sum()),
+        },
+    }
+
+
+def main() -> None:
+    print("=== Regenerando dataset_web.json ===\n")
+    df = pd.read_parquet(OUT / "dataset.parquet")
+    eiv = huts_eivissa_total()
+    fmr = formentera_total()
+    ab = airbnb_por_isla()
+    print(f"HUT Eivissa: {eiv['registros']:,} registros, {eiv['plazas']:,} plazas")
+    print(f"IBESTAT Formentera: {fmr['registros']:,} unidades, {fmr['plazas']:,} plazas")
+    print(f"Airbnb Mallorca: {ab['Mallorca']['listings']:,} listings, "
+          f"{ab['Mallorca']['entire_homes']:,} entire home/apt")
+    print(f"Airbnb Menorca: {ab['Menorca']['listings']:,} listings, "
+          f"{ab['Menorca']['entire_homes']:,} entire home/apt")
+
+    resumen = []
+    isla_meta = df.groupby("isla").size().to_dict()
+    for isla in ["Mallorca", "Menorca", "Eivissa", "Formentera"]:
+        record = {
+            "isla": isla,
+            "secciones": int(isla_meta.get(isla, 0)),
+            "airbnb_listings": 0,
+            "airbnb_entire_homes": 0,
+            "airbnb_revenue_total": 0,
+            "airbnb_hosts_unicos": 0,
+            "airbnb_con_licencia": 0,
+            "hut_registros": 0,
+            "hut_plazas": 0,
+        }
+        if isla in ("Mallorca", "Menorca"):
+            record["airbnb_listings"] = ab[isla]["listings"]
+            record["airbnb_entire_homes"] = ab[isla]["entire_homes"]
+            record["airbnb_revenue_total"] = ab[isla]["revenue_total"]
+            record["airbnb_hosts_unicos"] = ab[isla]["hosts_unicos"]
+            record["airbnb_con_licencia"] = ab[isla]["con_licencia"]
+        if isla == "Eivissa":
+            record["hut_registros"] = eiv["registros"]
+            record["hut_plazas"] = eiv["plazas"]
+        if isla == "Formentera":
+            record["hut_registros"] = fmr["registros"]
+            record["hut_plazas"] = fmr["plazas"]
+        resumen.append(record)
+
+    out = {"resumen_por_isla": resumen}
+    with open(OUT / "dataset_web.json", "w", encoding="utf-8") as f:
+        json.dump(out, f, ensure_ascii=False, indent=2)
+    print(f"\nGuardado {OUT / 'dataset_web.json'}")
+    print(json.dumps(out, ensure_ascii=False, indent=2))
+
+
+if __name__ == "__main__":
+    main()

scripts/05_export_airbnb_geojson.py

@@ -0,0 +1,58 @@
+"""
+Genera web/public/data/airbnb_listings.geojson a partir de los CSVs raw
+de Inside Airbnb Mallorca y Menorca.
+
+Output: FeatureCollection con ~18K puntos. Solo geometria + 2 props
+(isla, room_type) para mantener el fichero ligero (~700KB).
+"""
+
+from pathlib import Path
+import json
+
+import pandas as pd
+
+ROOT = Path(__file__).resolve().parent.parent
+RAW = ROOT / "data" / "raw"
+OUT = ROOT / "web" / "public" / "data"
+OUT.mkdir(parents=True, exist_ok=True)
+
+
+def load_isla(name: str) -> pd.DataFrame:
+    df = pd.read_csv(RAW / f"airbnb_{name.lower()}_listings.csv.gz", low_memory=False)
+    df = df[(df["availability_365"] > 0) | (df["room_type"] == "Entire home/apt")]
+    df = df.dropna(subset=["latitude", "longitude"])
+    df["isla"] = name
+    return df[["id", "latitude", "longitude", "room_type", "isla"]]
+
+
+def main() -> None:
+    mall = load_isla("mallorca")
+    men = load_isla("menorca")
+    df = pd.concat([mall, men], ignore_index=True)
+    print(f"Total puntos: {len(df):,}")
+
+    features = []
+    for _, row in df.iterrows():
+        features.append({
+            "type": "Feature",
+            "geometry": {
+                "type": "Point",
+                "coordinates": [float(row["longitude"]), float(row["latitude"])],
+            },
+            "properties": {
+                "id": str(row["id"]),
+                "isla": row["isla"],
+                "room_type": row["room_type"],
+            },
+        })
+
+    out = {"type": "FeatureCollection", "features": features}
+    out_path = OUT / "airbnb_listings.geojson"
+    with open(out_path, "w", encoding="utf-8") as f:
+        json.dump(out, f, ensure_ascii=False, separators=(",", ":"))
+    size_mb = out_path.stat().st_size / (1024 * 1024)
+    print(f"Guardado {out_path} ({size_mb:.2f} MB)")
+
+
+if __name__ == "__main__":
+    main()