Анализ распределения звёзд Michelin
Описание проекта
Для своего проекта я выбрала тему, связанную с Michelin-звездами, так как эта тема глубоко затрагивает мир гастрономии, престиж и качество, что делает её разнообразной, интересной и вкусной. Michelin-звезды являются одним из самых известных и влиятельных индикаторов высокого уровня ресторанов, и анализ их распределения позволяет понять глобальные гастрономические тенденции. Я заинтересовалась этим вопросом, потому что звезды Michelin символизируют высокое качество пищи и отражают культурные особенности различных стран и городов, показывая, какие кулинарные традиции доминируют в мировой кухне.
Для исследования был использован открытый датасет (https://www.kaggle.com/datasets/ngshiheng/michelin-guide-restaurants-2021), опубликованный на платформе Kaggle, содержащий информацию о ресторанах, получивших Michelin-звезды. Данные включают информацию о количестве звезд, типах кухонь, географическом расположении ресторанов, а также распределении звезд по городам и странам.
Для визуализации данных были использованы различные типы графиков:
1. Круговая диаграмма 2. Горизонтальный barplot 3. Lollipop Chart 4. Облако слов
Обложка к проекту была создана с помощью нейросети krea.ai (https://www.krea.ai/app). promt: Michelin-starred restaurants. Star dessert form.
Также мне было любопытно увидеть, как нейросеть трактует выбранную тему и переводит её в визуальные образы.
Варианты, созданные с помощью нейросети Midjourny.
promt: Michelin-star restaurant dish, fine dining plating, minimalist haute cuisine presentation, artistic food composition, elegant porcelain plate, perfect balance and symmetry, soft natural light, shallow depth of field, ultra-realistic food photography, high detail, refined textures, dark neutral background, cinematic mood, professional studio lighting.
Как видит Мишленовское блюдо нейросеть krea.ai.
Далее мне захотелось посмотреть, как нейросеть интерпретирует блюда ресторанов со звёздами Мишлен в разных визуальных стилях. Было интересно понять, сохранится ли узнаваемость высокой кухни при смене художественного языка и какие элементы подачи и композиции нейросеть воспринимает как ключевые.
Как видит Мишленовское блюдо recraft.ai в разных стилях.
Использованные статистические методы
В ходе анализа данных были применены методы описательной и разведочной статистики:
1. Описательная статистика — использовалась для анализа распределения ресторанов по количеству Michelin-звёзд. Подсчёт частот категорий (1, 2 и 3 звезды) позволил оценить общую структуру звездного рейтинга ресторанов.
2. Структурный анализ — реализован с помощью круговой диаграммы, что позволило наглядно представить доли ресторанов с различным количеством Michelin-звёзд и выявить доминирующие категории.
3. Агрегирование и ранжирование — применялись при расчёте суммарного количества звёзд по городам. Это позволило определить города-лидеры по концентрации Michelin-звёздных ресторанов.
4. Сравнительный анализ территориальных единиц — выполнен с помощью горизонтальной столбчатой диаграммы, что позволило сопоставить города по общему числу полученных Michelin-звёзд.
5. Фильтрация и анализ устойчивых групп — использовались для исключения городов с малым числом наблюдений. Анализ средних значений проводился только для городов с достаточным количеством звёздных ресторанов, что повысило устойчивость полученных оценок.
6. Анализ средних значений — реализован при расчёте среднего уровня Michelin-звёзд по городам. Это позволило перейти от анализа абсолютных показателей к оценке типичного уровня ресторанного рейтинга.
7. Визуальный анализ ранговых различий — выполнен с использованием lollipop-диаграммы, что обеспечило наглядное сравнение городов по среднему рейтингу Michelin-звёзд.
8. Текстовый анализ (Text Mining) — применялся для обработки описаний кухонь ресторанов. Токенизация, очистка текста от стоп-слов и нормализация регистра позволили выделить ключевые термины, характеризующие типы кухонь.
9. Частотный анализ текстовых данных — реализован с помощью облака слов, что позволило визуально определить наиболее распространённые направления кухонь среди Michelin-звёздных ресторанов.
10. Визуализация категориальных признаков — использовалась для обобщения и интерпретации качественных характеристик ресторанов, дополняя количественный анализ рейтингов.
Цветовая палитра
Вдохновением для палитры послужили традиции высокой кухни и атмосфера престижных ресторанов. Я выбрала насыщенные и элегантные цвета, чтобы передать атмосферу эксклюзивности и утонченности, а также теплые оттенки для акцентов, подчеркивающие высокий статус ресторанов с Michelin-звездами.
Цветовая схема была создана с помощью платформы Adobe Color (https://color.adobe.com/ru/), где я выбрала цвета, отражающие изысканность и современность:
#0F1C17 — глубокий тёмно-зелёный цвет ассоциируется с природой, спокойствием и устойчивостью, подчёркивает премиальность и отсылает к натуральным ингредиентам высокой кухни.
#AFAD7D — приглушённый оливково-бежевый оттенок создаёт ощущение утончённости и баланса.
#D17B00 — насыщенный янтарно-оранжевый цвет выступает акцентом, символизирует вкус, тепло и гастрономическую выразительность, привлекая внимание к ключевым элементам.
#7A2A26 — глубокий бордово-красный оттенок ассоциируется с винной культурой, насыщенностью и чувственностью, усиливая ощущение роскоши и глубины.
#000000 — чёрный цвет используется как базовый, подчёркивает контраст, строгость и современность, объединяя палитру и усиливая её графичность.
цветовая палитра в Adobe Color (https://color.adobe.com/ru/)
В проекте был использован шрифт Cormorant Garamond — он выбран за свою элегантность. Классическая антиквенная основа отсылает к традициям высокой культуры и премиального сервиса, что созвучно тематике ресторанов со звёздами Мишлен. В то же время вытянутые пропорции, контраст штрихов и изящные засечки придают шрифту современное звучание, делая его уместным в актуальном визуальном контексте.
График 1
Как много ресторанов имеют больше 1-й звезды? // код
Первоначально я сосредоточилась на анализе распределения ресторанов по количеству Michelin-звезд. Круговая диаграмма показала, что подавляющее большинство ресторанов имеют одну звезду, в то время как два и три звезды составляют меньшинство. Это отражает тот факт, что большинство ресторанов с Michelin-звездами — это заведения среднего уровня.
Нейросеть Midjourny, promt: Michelin-star restaurant dish cooked by chef, professional studio lighting.
График 2
Где лучше всего кормят? // код
Затем я исследовала распределение ресторанов с Michelin-звездами по городам. Гистограмма показала, что Токио, Париж и Лондон имеют наибольшее количество ресторанов с Michelin-звездами, а города с меньшей гастрономической активностью, такие как Сингапур и Тайпей, представляют собой менее значительные центры высокой кухни.
График 3
Топ городов по среднему количеству звёзд Мишлен. // код
На следующем этапе исследования я сосредоточилась на анализе средних Michelin-рейтингов в городах с более чем пятью ресторанами, получившими Michelin-звезды. Гистограмма показала, что в некоторых городах средние рейтинги значительно выше, что может свидетельствовать о концентрации ресторанов высокого уровня.
Нейросеть Midjourny, promt: Michelin-star restaurant building.
График 4
За какую кухню чаще дают звезду Мишлен? // код
В завершение я использовала облако слов для анализа типов кухонь, представленных в ресторанах с Michelin-звездами. Наиболее часто встречающиеся слова включают «современную», «французскую» и «итальянскую» кухни, что свидетельствует о долгосрочном доминировании этих традиционных направлений. Вместе с тем, облако слов также отражает появление новых гастрономических трендов, таких как «креативная» кухня, что указывает на изменение кулинарных предпочтений.
Вывод
Рассмотрев данные о Michelin-звездах, можно выделить несколько ключевых выводов. Преобладание ресторанов с одной звездой подтверждает, что большинство заведений находятся на уровне среднего качества, что отражает широкую доступность ресторанов с Michelin-звездами для более широкого круга людей. В то же время, рестораны с двумя и тремя звездами остаются исключительными, что подчеркивает их высокий статус и исключительный уровень гастрономии. Такие города, как Токио, Париж и Лондон, продолжают оставаться мировыми гастрономическими столицами, что подтверждает их важную роль в формировании гастрономических тенденций. Французская и итальянская кухни остаются доминирующими среди ресторанов с Michelin-звездами, что свидетельствует о продолжении влияния традиционных кулинарных школ на мировую кухню. В то же время можно наблюдать рост популярности более современных и креативных гастрономических направлений, таких как креативная кухня, что говорит о разнообразии предпочтений и изменении гастрономических трендов в последние годы. Эти тенденции демонстрируют динамичное развитие мировой кулинарии и расширение кулинарных горизонтов в контексте Michelin-звезд.
Как видит Мишленовский ресторан нейросеть krea.ai
Описание применения генеративной модели и вспомогательных инструментов
1. Google Colab — Весь процесс работы: обработка данных и визуализация.
2. Kaggle — Платформа была использована для поиска и загрузки датасета.
3. Библиотеки Python pandas — применялась для загрузки, очистки и анализа табличных данных, а также для агрегации показателей по ресторанам, городам и категориям. matplotlib — основной инструмент визуализации, использовался для построения круговых диаграмм, столбчатых графиков, рейтингов и линейных визуализаций. numpy — применялась для работы с числовыми данными и расчёта вспомогательных величин при построении графиков. wordcloud — использовалась для создания облака слов, отражающего распределение типов кухонь ресторанов. kagglehub — использовалась для автоматической загрузки датасета с платформы Kaggle. matplotlib.font_manager — применялась для подключения и использования кастомных шрифтов в визуализациях. kagglehub — для автоматического скачивания датасета matplotlib.font_manager — для подключения кастомного шрифта
4. Цветовая палитра (Adobe Color)
5. ChatGPT — Нейросеть применялась для генерации и оптимизации кода, настройки визуального стиля графиков и корректировки функций анализа.
6. krea.ai — Использовала для генерации обложки и визуала меню.
7. Midjourny — Использовала для генерации GIF и визуала.
