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.
Станислав Чекалин провёл анализ данных о командах и их представлениях с платформы Kaggle, чтобы изучить связь между количеством попыток и оценками участников. Проект включает визуализацию с помощью гистограмм, диаграмм разброса и KDE-линий для наглядного отображения распределения и корреляции данных.
Project description created with AI
Project created at 25.09.2024
More projects in artificial intelligence
Елизавета Бондаренко провела анализ данных о деятельности школьников и студентов, используя датасет с Kaggle.com. В проекте применялась генеративная модель Replit для преобразования графиков и создания визуализаций.
Полина Погребня провела анализ игр студии Chilla's Art, изучая динамику отзывов и популярности за годы существования студии. В исследовании использовались данные с Steam, представленные в виде столбчатых, круговых и точечных диаграмм.
Амирали Боисов провел анализ данных пациентов с сердечной недостаточностью, чтобы выявить закономерности, влияющие на смертность и профилактику болезни. Проект включает визуализацию распределения пациентов по возрасту, полу и уровню креатинфосфокиназы, а также исследование связи между диабетом и смертностью.
Валерия Токмачева провела анализ данных Spotify, используя датасет с объективными параметрами треков для изучения их характеристик. Проект включает столбчатые и линейные диаграммы, отражающие зависимости между темпом, танцевальностью, популярностью и другими аудиоатрибутами.
We use cookies to improve the operation of the HSE website and to enhance its usability. More detailed information on the use of cookies can be fou...
Show more