Анализ демографии при помощи Pandas
Введение
Для анализа данных была выбрана ожидаемая продолжительность жизни при рождении, начиная с 2020 по 2035 года.
Данные были найдены на сайте «hubofdata.ru»
Была выбрана именно эта тема, поскольку продолжительность жизни является постоянно варьирующимся числом. Из-за этого интересно узнать: сколько проживет нынешнее поколение по прогнозам.
Виды графиков
Линейный график использован для визуализации изменений ожидаемой продолжительности жизни по годам. Это легкий способ показать изменения по времени, что особенно важно для временных данных.
Гистограмма построена для анализа различий между мужчинами и женщинами. Это позволяет увидеть величину этих различий.
Диаграмма рассеяния использована для анализа корреляции между сценариями. В нашем случае низкий против высокого, чтобы исследовать различия между ними.
Комбинированный график добавлен для сравнения средней продолжительности жизни между мужчинами, женщинами и обоими полами в одном сценарии. Такой подход упрощает сравнение категорий.
Эти виды графиков обеспечивают баланс между простотой восприятия данных и их глубиной анализа. Линейные графики хорошо показывают тренды, а гистограммы и диаграммы рассеяния предоставляют дополнительное понимание различий и взаимосвязей.
Написание кода и стилизация
Для начала я подключил все нужные библиотеки и подсоединил таблицу к коду в Visual Studio.
После этого была произведена очистка данных, переименовывание столбцов, а также выделение нужных для создания графиков.
Также было создано сравнение при помощи разницы между столбцами с данными.
Сильного упора в стилизацию не происходило. Я постарался оставить данные чистыми и понятными.
Единственное, где были изменения это график рассеяния. Была выбрана другая палитра для создания градиента, который позволяет наглядно видеть изменения.
Использование нейросетей и файлы
Для создания данной работы была использована нейросеть Kandinsky, для создания обложки.
Файлы:
https://drive.google.com/file/d/1aC_iOjXFX8WKA_PU1ZiPIpr_r1ocQ04b/view?usp=sharing
Внутри архива находится файл Python и таблица, по которой велся анализ.
