Подбор тренажёрного зала с помощью анализа данных
Выбор данных
Для своего проекта я решил проанализировать базу данных тренажерных залов Москвы, взятую на сайте data.mos.ru. Выбор темы был сделан основываясь на моем желании начать заниматься спортом и найти идеальный тренажерный зал, который соответствует всем моим требованиям.
Я предполагаю, что анализ данных с помощью Python сделает поиск быстрым и удобным, а благодаря графиками и диаграммам — еще и наглядным.
Для проекта я решил выбрать круговые диаграммы, так как они наглядно показывают соотношение залов, в которых есть необходимые для меня элементы с теми, в которых они отсутствуют.
Анализ данных
Первым фактором, которым должен обладать мой идеальный тренажерный зал — это наличие раздевалки, где можно оставить свои вещи после лекций. Анализ данных показал, что подавляющее большинство залов Москвы имеют места, где можно переодеться, таких залов 93,4%.
Второй важный для меня фактор — это наличие Wi-Fi, ведь я хочу, чтобы все мои друзья были в курсе того, что я успеваю не только учиться, но и ходить в тренажерный зал. Wi-Fi мне необходим, чтобы оперативно выкладывать свои фотографии из зала в социальные сети.
Анализ показал, что около 62,5% залов Москвы имеют бесплатный доступ к интернету.
Третьим фактором идеального зала является наличие точки питания, так как после усердной тренировки необходимо восстанавливать энергию. Анализ показал, что примерно половина залов Москвы имеет места для утоления голода.
Последний значимый для меня фактор — расположение тренажерного зала. К сожалению, анализ показал, что собранные данные не учитывают Одинцово, в котором я сейчас проживаю. Поэтому 100% тренажерных залов находятся в Москве.
После неудачного поиска я решил, что готов пойти на компромисс и ходить в зал рядом с местом моей учебы. Так как мой корпус находится на Старой Басманной, я проанализировал наличие тренажерных залов в Басманном районе, от общего числа они составляют 2%.
После этого я совместил все ранее проанализированные факторы и нашел залы, которые подходят мне по всем критериям, их процентное соотношение с общим числом = 0.9.
Выводы
Таким образом Python помог удобно и быстро решить мою проблему с подбором идеального зала.
Чтобы графики не выглядели слишком стандартными, я поменял их цвета, а также начертание и цвет шрифтов.
В проекте использовался ChatGPT, он помог найти информацию о коде, который необходим для создания круговой диаграммы. Пример промпта: «какие функции необходимо использовать в Colab, для создания круговой диаграммы».
Ссылка на код: https://docs.google.com/document/d/1ByBe0nKgsjLW-m4txkgAmDdu2jyAVSPcpM3b4MBXwXI/edit
Ссылка на данные: https://data.mos.ru/opendata/60624?isDynamic=false
Обложка сгенерирована с помощью нейросети Leonardo Ai.
