Анализ данных жителей из игры Animal Crossing
Концепция
В данном проекте я использовала данные, которые нашла на платформе Kaggle по этой ссылке.
Код был написан с использованием платформы GoogleColab, а вдохновение для графиков я искала на Matplotlib.
Данная игра выпущенная эксклюзивно на NintendoSwitch была очень популярна долгое время за счет разнообразия контента в ней, возможностей для кастомизации и количества уникальных персонажей. Я взяла датасет с Жителями мира Энимал Кроссинг чтобы узнать о них больше информации.
Тип графиков в проекте
Круговая диаграмма
Столбчатая диаграмма
Тепловая карта
Шаги в работе
Загрузка датасета с Kaggle
Импорт нужного CSV файла в GoogleColab
Просмотр полей и прикидка для анализа
Постепенный анализ и построение графиков
Использование нейросетей
Анализ Данных
Сначала я импортировала нужные для работы библиотеки и открыла таблицу для подробного изучения
На выходе получилась объемная база данных из 391 строки и 17 колонок с разнообразной информацией о персонажах
Для начала я просто решила посмотреть сколько уникальных данных содержат в себе некоторые колонки, чтобы опираясь на это произвести построения графиков
На выходе я получила подобные данные и для первого эксперимента решила сравнить процентное соотношение мальчиков и девочек в игре
Оказалось что количество мужских персонажей хоть и в небольшом размере превышает количество женских
Далее я решила построить столбчатый график, чтобы узнать какие типы животных преобладают в игре
Однако результат показался мне слишком скучным и я обратилась к ИИ чтобы узнать, как мне сделать график красивее,
я спросила How to make bar chart more pretty looking?
На что получила подобный ответ:
To make the bar chart look nicer, you can customize the plot using various options available in matplotlib. Please note that you need to install Seaborn via pip if you haven’t done so already: pip install seaborn After applying these changes, the resulting plot should be much more visually appealing.
Полученный график выглядел намного симпатичнее.
Однако график был очень маленький и на оси Х были указаны цифры вместо имен живыотных, я отправила код и спросила как это поправить?
В результате появились параметры fig, chart = plt.subplots (figsize=(22, 10)) и chart.set_xticks (range (len (unique_type))) chart.set_xticklabels (unique_type, rotation=180, ha="right», fontsize=10)
Аналогично я построила график чтобы посмотреть как Гендер жителя влияет на его Личность и вышло это
Но он выглядел слишком однотипно и я отправила код и попросила ИИ поменять цвета для каждого из типов личности в игре:
There are 8 types of Personality: ['Cranky' 'Peppy' 'Big Sister' 'Lazy' 'Normal' 'Snooty' 'Jock' 'Smug'] In this CSV Can you make each one of them a different beautiful color?
В результате появились эти параметры
personalities = ['Cranky', 'Peppy', 'Big Sister', 'Lazy', 'Normal', 'Snooty', 'Jock', 'Smug']
Viridis color map cmap = plt.get_cmap ('viridis')
Colors for each personality personality_colors = [cmap (np.linspace (0, 1, len (personalities)))[i % len (personalities)] for i in range (len (df))]
Далее я решила построить тепловую карту, чтобы посмотреть предпочтения персонажей с определенным Стилем в Цветах
По итогу вышла подобная диаграмма.
Из нее стало ясно что персонажи Крутого стиля обожают Черный, а те кто любят Простоту имеют пять преобладающих любимых цветов.
Аналогичным способом я решила посмотреть как зависит выбор предпочитаемого Цвета от Гендера персонажа, только диаграмму я решила перекрасить в другой цвет, чтобы их было проще различать.
Таким образом у Мужских персонажей преобладают Красный и Синий цвета, а Женские персонажи чаще всего предпочитают Красный, Розовый и Белый.
По итогу Красный оказался самым любимым цветом у обоих полов.
Использование нейросетей
Для создания обложки проекта я использовала MidJourney V6.0
PROMPT: an animal crossing character holding a paper with pie chart in their paws, cute, funny atmosphere, warm sunlight --ar 9:16 --v 6.0
Вопросы по стилизации графиков я задавала HuggingChat.AI, использующий модель Model: mistralai/Mixtral-8×7B-Instruct-v0.1
Ссылка на документ с кодом
