Анализ поедания хлеба через года
Вводная часть
Говорят, что хлеб всему голова. Но так ли это на сегодняшний день или тенденция популярности хлебобулочных изделий с каждым годом падает?
Хлеб, как один из древнейших продуктов питания, на протяжении веков занимал важное место в рационе человечества. Он символизировал не только питание, но и культуру, традиции и общение. Однако в последние десятилетия наблюдается заметное изменение в отношении к хлебу и хлебобулочным изделиям. Вопрос о том, действительно ли хлеб по-прежнему является основой нашего питания, становится все более актуальным.
Я посчитал, что эта тема интересна, потому что не каждый задумывается о том, насколько привычный каждому продукт может на деле быть популярен. А учитывая, что появляются медицинские исследования о том, что хлеб может быть даже вреден, а также с ростом возможных альтернатив его потребление может и вовсе сойти к минимуму.
Но так ли это на самом деле?
Именно эти данные я и хотел бы исследовать в данном проекте.
Этапы работы
Работа началась с поиска источника для исследования и составления графика. К сожалению, эта задача оказалась самой сложной в данном проекте. В основном в открытом доступе лежат новостные источники с информацией за максимум последние 2 года и не всегда достаточно подробной. Остальную часть занимали уже готовые исследования с созданными графиками, без таблиц и часто за высокую цену т.к делаются для предпринимателей и других людей, изучаючих рынок.
К моему спасению был найден сайт федеральной службы государственной статистики.
https://rosstat.gov.ru/compendium/document/13278
В нем уже был готовый xlsx-файл включающий в себя все основные продукты питания граждан РФ за период с 2011 по 2021 год. По этой причине дополнительная обработка информации через Python мне не потребовалась.
После получения информации, я сделал первую попытку в создание графика.
Была введенна статистика по всей РФ за 2011–2021 год в самом обычном линейном графике.
Однако при первом написании кода, год и значение хлеба в кг нужно было вводить вручную. Это одна из первых проблем которые были решены далее.
На этом этапе код был переделан под автоматическое получение данных из файла xlsx и в графике уже были значения за один 2011 год, но уже по всем регионам. Так стало видно какой из регионов РФ был самым хлебоедским.
Но и тут появилась проблема, т.к регионов слишком много, текст смешался в одну кучу и стал нечитабельным.
Более адекватный код помог сделать читабельный и приятный столбиковый график. Поворот текста названия регионов помог убрать кашу как в прошлом графике и сделать его читабельным.
Так, мы узнали что в 2015 году Камчатский край был максимально хлебоедским, достигнув значений в 400 с лишним кг.
Итоговые графики
В конечном итоге, все что оставалось это добавить цветовое обозначение самого хлебоедского региона, то есть самое популярное место его обитание.
Сделалось это довольно просто, добавив барчарт где зеленый это самое большое значение, а красное минимальное.
Применения генеративной модели
В процессе изучения курса и на основе личного опыта взаимодействия с генеративными нейросетями, я активно использовал ChatGPT. И вот для каких целей:
1. Оптимизация работы: ChatGPT помогал мне исправлять ошибки в коде, что способствовало созданию простой и понятной структуры.
2. Визуализация: Кроме исправления ошибок, ChatGPT добавлял детали к коду. Например, он помог мне корректно создать цветовое обозначение для графика, что способствовало созданию более визуально приятного графика.
