Анализ данных FitBit Fitness Tracker Data
Описание
Был выбран набор данных, созданный респондентами распределенного опроса через Amazon. Механический турок в период с 03.12.2016 по 05.12.2016. Тридцать соответствующих критериям пользователей Fitbit дал согласие на отправку персональных данных трекера, в том числе поминутных выход для физической активности, частоты сердечных сокращений и мониторинга сна. Индивидуальный отчеты можно анализировать по идентификатору сеанса экспорта (столбец A) или метке времени (столбец B). Разница между выходными данными отражает использование различных типов трекеров Fitbit. и индивидуальное отслеживание поведения/предпочтений.
Выбранный для анализа на сайте https://www.kaggle.com/ датасет:
Этот код выполняет несколько задач:
1. Чтение данных из CSV-файла. 2. Вывод данных в виде таблицы. 3. Создание анимированных гистограмм для анализа данных веса и индекса массы тела (BMI).
· csv: Для чтения данных из CSV-файла. · tabulate: Для форматированного вывода данных в виде таблицы. · matplotlib.pyplot (plt) и matplotlib.animation (animation): Для построения и анимации графиков. · numpy (np): Для работы с числовыми данными и созданием массивов.
Чтение данных датасета:
Функция parse_csv:
Извлечение данных веса и BMI:
Создание первой гистограммы для веса:
Создание второй гистограммы для BMI:
Аналогично первой гистограмме, создает фигуру и ось для BMI с бежевым фоном. Настраивает заголовок окна и общий заголовок фигуры. Создает массив bins_bmi для гистограммы с 20 интервалами. Функция update_hist_bmi обновляет гистограмму для отображения анимации.
Итоговые графики:
Вызов основной функции:
Описание применения генеративной модели
Для создания обложки проекта я использовала ИИ. Изображение сгенерировано в https://app.leonardo.ai/image-generation.
