Визуализация и анализ данных. Поведение и привычки студентов

На сайте Kaggle.com я выбрала датасет с данными про студентов, их привычки и увлечения, потому что мне показалось, что это всегда актуально, тем более в университете, кроме того, интересно узнать, как отличается мое личное представление от данных, собранных другими людьми в другой стране.

Виды графиков:

1. Линейный график
2. Круговая диаграмма
3. Столбчатая диаграмма двух видов (классическая и перевернутая)
4. Диаграмма рассеяния

Оформление данных:

Графики оформлены в единой цветовой палитре, цвета которой являются успокаивающими, как раз то, что необходимо каждому студенту, но в то же время не близкими друг другу, чтобы можно было удобней визуализировать данные.

Внутри кода я оформила все цвета в список, чтобы потом обращаться к нему во время создания графиков.

Для построения графиков я пользовалась помощью Chat-GPT. Он помогает в понимании того, какие команды и функции использовать, а также может пояснить как работает та или иная строчка кода, если непонятно. Тем не менее, ответы нейросети зачастую неполные и нуждаются в доработке и исправлении множества ошибок, с чем я и столкнулась. Если использовалась помощь ИИ, то в описании к коду, для которого она использовалась, указаны промты.

Процесс работы:

1. Запрос в Chat-GPT, чтобы помочь написать сложную и/или непонятную часть кода или создать «болванку»
2. Доработка сгенерированного кода, исправление в нем ошибок, замена его табличных значений на мои
3. Стилизация графика: добавление цветов, изменение расположения осей, их удаление или перемещение, добавление различных надписей по надобности

Обложка для проекта сгенерирована в нейросети Leonardo AI, для поддержания темы курса. Промт: «tired girl student sitting in front of the computer, cartoon style».

В начале я импортировала необходимые классические библиотеки для генерации и стилизации графиков.

Далее я открыла выбранную таблицу, а также просмотрела и вывела для себя ее содержимое, чтобы в дальнейшем было удобней работать с ней.

Выводится таблица, которая состоит из 235 строк и 19 столбцов:

1. Certification Course
2. Gender
3. Department
4. Height (CM)
5. Weight (KG)
6. 10th Mark
7. 12th Mark
8. college mark
9. hobbies
10. daily studying time
11. prefer to study in
12. salary expectation
13. Do you like your degree?
14. Willingness to pursue a career based on their degree
15. social media & video
16. Travelling Time
17. Stress Level
18. Financial Status
19. part-time job

После этого я приступила к созданию графиков. Таблица оказалась удобной тем, что все данные изначально принадлежат необходимому типу (цифры являются цифрами, а не строкой). Благодаря этому с ними удобно работать, а также строить графики на их основе. В первом графике выводятся зарплатные ожидания мужчин и женщин. Для этого в начале кода каждая из категорий считается отдельно, а позже выводятся как две разные линии на одном графике, чтобы было понятно, где одна категория, а где другая. Из полученных данных видно, что зачастую женщины оценивают себя и свою возможную зарплату намного ниже, чем мужчины. Кроме того, помимо оригинальных цветов, я дополнила визуализацию, скрыв значения вертикальной оси, так как без нее график выглядит лаконичней.

Круговая диаграмма представляет собой графику хобби студентов на основе одноименного столбца из таблицы. Каждый из секторов с результатом я решила «отделить» от соседнего, чтобы создать удобство чтения, а также добавить им воздуха.

При создании этого графика я решила убрать горизонтальную ось, заменив ее на подписи внутри графика («Yes!», «No!»). Кроме того, анализируя полученный график, можно заметить, что все-таки преимущественному большинству нравится выбранная ими специальность.

Данный график представляет собой диаграмму, которая показывает количественное соотношение студентов (столбец «prefer to study in»), которые предпочитают заниматься в определенное время. Для наглядности график перевернут на 90 градусов, чтобы больший результат находился ниже, как бы «поддерживая» на себе все остальные.

Демонстрируется зависимость оценки, полученной в колледже, от оценки, полученной в 12 классе. Как можно заметить, в среднем, оценки находятся на том же самом уровне, а значит студент, который занимался усердно в школе, продолжает усердно заниматься и после нее.