big

Введение

Я выбрал данные о командах и их представлениях с платформы Kaggle. Данные были найдены в наборе данных «House Prices — Advanced Regression Techniques». Однако, оказалось, что в CSV-файле содержатся данные о ранжировании команд, а не о ценах на дома.

Анализ данных о командах и их представлениях может дать представление о том, как часто команды отправляют свои решения и как это влияет на их оценки. Это полезно для понимания стратегий участников соревнований на Kaggle.

Я хотел выяснить, существует ли корреляция между количеством представлений и достигнутыми оценками, что может помочь новым участникам лучше планировать свои попытки.

Были выбраны гистограммы для визуализации распределения оценок и количества представлений, так как они хорошо показывают частоту значений.

Диаграмма разброса (scatter plot): Выбрана для анализа взаимосвязи между количеством представлений и оценками, что позволяет легко увидеть корреляцию между двумя переменными.

KDE линия: Добавлена к гистограммам для более наглядного представления сглаженного распределения данных.

Этап работы

1. Обработка данных

Шаг 1: Загрузка данных:

import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from google.colab import files

uploaded = files.upload ()

df = pd.read_csv (next (iter (uploaded)))

Шаг 2: Проверка и вывод данных:

print (df.head ()) print (df.columns)

Шаг 3: Проверка наличия необходимых столбцов:

required_columns = ['Score', 'SubmissionCount'] for column in required_columns: if column not in df.columns: raise KeyError (f"Столбец '{column}' отсутствует в наборе данных»)

Визуализация данных

Распределение оценок (Score):

plt.figure (figsize=(10, 6)) sns.histplot (df['Score'], kde=True) plt.title ('Распределение оценок') plt.xlabel ('Оценка') plt.ylabel ('Частота') plt.show ()

Распределение количества представлений (SubmissionCount):

plt.figure (figsize=(10, 6)) sns.histplot (df['SubmissionCount'], kde=True) plt.title ('Распределение количества представлений') plt.xlabel ('Количество представлений') plt.ylabel ('Частота') plt.show ()

Взаимосвязь между оценками и количеством представлений:

plt.figure (figsize=(10, 6)) sns.scatterplot (x=df['SubmissionCount'], y=df['Score']) plt.title ('Взаимосвязь между оценками и количеством представлений') plt.xlabel ('Количество представлений') plt.ylabel ('Оценка') plt.show ()

Стилизация графиков

Описание стилизации:

sns.set_style ('whitegrid') sns.set_palette ('muted')

Я использовал стилизацию 'whitegrid' и палитру 'muted' из библиотеки Seaborn для создания чистого и профессионального вида графиков. Это делает графики более читабельными и привлекательными.

Вдохновение для стилизации было взято из стандартных стилей визуализации Seaborn, которые хорошо подходят для анализа данных и создают визуально приятные графики.

Графики

Original size 850x547
Original size 859x547
Original size 850x547

Код и датасет

https://disk.yandex.ru/d/YiBQWpeasBzl1g

Я использовал нейросеть Ghatgtp (https://chatgpt.com) для помощи в исправлении ошибок

Анализ данных. Недвижимость.
Project created at 25.09.2024
hseanimation
HSE Animation is a platform where animation projects become visible to studios, production companies, media, partners, and audiences. It brings together animators’ portfolios, educational programs, specialized contests, and key events from the professional community. The platform was created in partnership with HSE Art and Design School and is developing a... Show more
best of the best
news and interviews
author's animation
for children
applied animation
information video
playlist