Графический анализ данных о стихийных бедствиях
Описание
Для данного проекта я использовала набор данных с сайта Kaggle.com, который посвящен отчетам о стихийных бедствиях с 1990 по 2024 год.
Этот набор данных интересен тем, что он анализирует не конкретную катастрофу и её урон на небольшом промежутке времени, как описывается во многих новостных статьях, а привлекает внимание к частоте стихийных бедствий по всей Земле в совокупности их разнообразных форм. Это значительно повышает практическую значимость данных и позволяет оценить, в каком состоянии находится планета и как аномалии соотносятся со временем.
Виды графиков
На основе данных я создала 4 графика:
1. Гистограмма «Количество стихийных бедствий с 1900 по 2024»; 2. Линейный график «Экстремальные погодные условия и Наводнения в период 2000–2024 год»; 3. Гистограмма «Количество Наводнений за 1990–2024»; 4. Круговая диаграмма «Топ-5 стихийных бедствий за 2023 год»
Гистограммы помогают сравнить группы данных по категориям (1 график) и показатели по одной категории за конкретный год (3 график). Линейный график позволяет более наглядно увидеть пиковые значения и общий характер развития и частоты стихийного бедствия. Круговая диаграмма отлично отображает процентное соотношение показателей по категориям за 1 год.
Этапы работы
1. Первым этапом я импортировала Pandas и считала файл CSV, включающий 3 колонки по 1144 строки данных таблицы.
2. Далее я отфильтровала данные, исключив строки с общими показателями бедствий и, выделив данные колонки с категориями катастроф и колонки с их количеством, посчитала сумму стихийных бедствий за весь период времени. Построила гистограмму.
3. Проанализировав первый график, я заметила, что самыми популярными стихийными бедствиями являются «Наводнения» (Flood) и «Экстремальная погода» (Extreme weather). Я отфильтровала данные, относящиеся только к периоду с 2000 по 2024, и выделила строки с показателями «Наводнения» и «Экстремальная погода», чтобы посмотреть частоту этих катастроф за последнее время. Посчитала сумму бедствий и построила линейный график.
4. Далее я решила посмотреть развитие самой популярной катастрофы «Наводнения» (Flood) за всё время. Я отфильтровала данные по колонке категории и посчитала сумму показателей количества за все года. Построила гистограмму.
5. В качестве финального анализа я выбрала данные за 2023, последний полный год, и рассчитала процентное соотношение катастроф, выделив топ-5 самых частых стихийных бедствий. Посчитала сумму показателей за выбранный год и построила круговую диаграмму в процентах.
6. Следующий шаг — стилизация. С помощью Pinterest я подобрала референсы, сфокусировавшись на неоновом стиле, который прост в исполнении и при этом выглядит эффектно.
7. Для воссоздания этой стилистики я использовала библиотеку Matplotlib mplcyberpunk, которая затемняет фон и поддерживает неоновые эффекты.
Итоговые графики
