Original size 960x1275

Анализ гуся

ВВОДНАЯ ЧАСТЬ

big
Original size 3543x1772

Картина Александра Макса Кестера.

СТАТИСТИКА ДАННЫХ

Для данного исследования была взята следующая статистика — Wings of Wisdom: Deep Dive into Waterfowl Species.

Я выбрала данные из открытого набора данных на Kaggle. Внутри есть детальная информация о характеристиках каждой птицы, особенностях размножения, пищевых предпочтениях, динамике популяции и природоохранном статусе.

big
Original size 3543x1772

Картина Александра Макса Кестера.

ЦЕННОСТЬ

Итак, мой проект посвящен анализу данных о гусях и им подобных водоплавающих птицах, потому что гуси и куры для меня крайне важны в этой жизни. Именно по этой причине мне стало очень интересно собрать данные воедино и написать о них.

ВИДЫ ИСПОЛЬЗУЕМЫХ ДИАГРАММ

В своём проекте я буду использовать такие виды диаграмм как: - Линейные диаграммы - Гистограммы - Столбчатые диаграммы - Круговые диаграммы - Тепловые карты - Диаграммы рассеяния

МОИ ЭТАПЫ РАБОТЫ

Original size 3543x1772

Картина Александра Макса Кестера.

ОБРАБОТКА ДАННЫХ

Чтобы получить структурированные данные таблицы и с их помощью создавать диаграммы я использую библиотеку Pandas на языке Python. Скачав и использовав программу Anaconda в среде Spider я вывела данные таблицы и создала несколько диаграмм, которые будут описаны ниже.

import pandas as pd

data = { 'id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 'name': ['American Black Duck', 'American Coot', 'American Wigeon', 'Barnacle Goose', 'Barrow's Goldeneye', 'Black Scoter', 'Black-bellied Whistling-Duck', 'Blue-winged Teal', 'Brant', 'Bufflehead'], 'type': ['Dabbling Duck', 'Other', 'Dabbling Duck', 'Goose', 'Diving Duck', 'Diving Duck', 'Other', 'Dabbling Duck', 'Goose', 'Diving Duck'], 'latin_name': ['Anas rubripes', 'Fulica americana', 'Mareca americana', 'Branta leucopsis', 'Bucephala islandica', 'Melanitta americana', 'Dendrocygna autumnalis', 'Spatula discors', 'Branta bernicla', 'Bucephala albeola'], 'm_avg_length_inches': [22, 16.2, 20, 27.0, 19.2, 19.7, 19.4, 16, 25, 15], 'f_avg_length_inches': [21, 16.2, 19, 23.5, 17, 18.5, 19, 14, 23, 13], 'm_avg_weight_lbs': [2.7, 1.5, 1.8, 4.03, 2.13, 2.5, 1.8, 1, 3.4, 1.1], 'f_avg_weight_lbs': [2.4, 1.2, 1.6, 3.57, 1.31, 2.2, 1.85, 0.8, 3.1, 0.7], 'life_span_year': ['10-15', '2-3', '5-10', '10-20', '10-15', '10-15', '10-15', '3-5', '5-10', '3-5'], 'egg_avg': [9, 6, 9, 4, 6, 8, 13, 10, 5, 9] }

df = pd.DataFrame (data)

print (df)

id name type latin_name
0 1 American Black Duck Dabbling Duck Anas rubripes 1 2 American Coot Other Fulica americana 2 3 American Wigeon Dabbling Duck Mareca americana 3 4 Barnacle Goose Goose Branta leucopsis 4 5 Barrow’s Goldeneye Diving Duck Bucephala islandica 5 6 Black Scoter Diving Duck Melanitta americana 6 7 Black-bellied Whistling-Duck Other Dendrocygna autumnalis 7 8 Blue-winged Teal Dabbling Duck Spatula discors 8 9 Brant Goose Branta bernicla 9 10 Bufflehead Diving Duck Bucephala albeola

m_avg_length_inches f_avg_length_inches m_avg_weight_lbs
0 22.0 21.0 2.70 1 16.2 16.2 1.50 2 20.0 19.0 1.80 3 27.0 23.5 4.03 4 19.2 17.0 2.13 5 19.7 18.5 2.50 6 19.4 19.0 1.80 7 16.0 14.0 1.00 8 25.0 23.0 3.40 9 15.0 13.0 1.10

f_avg_weight_lbs life_span_year egg_avg 0 2.40 10-15 9 1 1.20 2-3 6 2 1.60 5-10 9 3 3.57 10-20 4 4 1.31 10-15 6 5 2.20 10-15 8 6 1.85 10-15 13 7 0.80 3-5 10 8 3.10 5-10 5 9 0.70 3-5 9

ОБРАБОТКА ДАННЫХ В ДИАГРАММАХ

Я работал в приложении «Google Colab», так как в среде Spyder у меня не получилось создать диаграмму.

Все итоговые диаграммы прикреплены в самом конце проекта. Написанный код и база данных, ведущая на гугл диск, будут также прикреплены в самом конце проекта.

ДИАГРАММА № 1

С помощью гистограммы я продемонстрирую следующее:

Средний вес и длина птиц: Ось X: Вид птицы. Ось Y: Средний вес (в фунтах) или длина (в дюймах).

Гистограмма покажет распределение среднего веса и длины различных видов водоплавающих птиц.

Продолжительность жизни: Ось X: Вид птицы. Ось Y: Продолжительность жизни (в годах).

Гистограмма покажет распределение продолжительности жизни различных видов водоплавающих птиц.

import matplotlib.pyplot as plt import pandas as pd

data = { 'id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 'name': ['American Black Duck', 'American Coot', 'American Wigeon', 'Barnacle Goose', 'Barrow's Goldeneye', 'Black Scoter', 'Black-bellied Whistling-Duck', 'Blue-winged Teal', 'Brant', 'Bufflehead'], 'type': ['Dabbling Duck', 'Other', 'Dabbling Duck', 'Goose', 'Diving Duck', 'Diving Duck', 'Other', 'Dabbling Duck', 'Goose', 'Diving Duck'], 'latin_name': ['Anas rubripes', 'Fulica americana', 'Mareca americana', 'Branta leucopsis', 'Bucephala islandica', 'Melanitta americana', 'Dendrocygna autumnalis', 'Spatula discors', 'Branta bernicla', 'Bucephala albeola'], 'm_avg_length_inches': [22, 16.2, 20, 27.0, 19.2, 19.7, 19.4, 16, 25, 15], 'f_avg_length_inches': [21, 16.2, 19, 23.5, 17, 18.5, 19, 14, 23, 13], 'm_avg_weight_lbs': [2.7, 1.5, 1.8, 4.03, 2.13, 2.5, 1.8, 1, 3.4, 1.1], 'f_avg_weight_lbs': [2.4, 1.2, 1.6, 3.57, 1.31, 2.2, 1.85, 0.8, 3.1, 0.7], 'life_span_year': ['10-15', '2-3', '5-10', '10-20', '10-15', '10-15', '10-15', '3-5', '5-10', '3-5'], 'egg_avg': [9, 6, 9, 4, 6, 8, 13, 10, 5, 9] }

df = pd.DataFrame (data)

plt.figure (figsize=(10, 6)) plt.bar (df['name'], df['m_avg_weight_lbs'], color='skyblue') plt.xlabel ('Вид птицы') plt.ylabel ('Средний вес (фунты)') plt.title ('Средний вес водоплавающих птиц') plt.xticks (rotation=90) plt.tight_layout () plt.show ()

plt.figure (figsize=(10, 6)) plt.bar (df['name'], df['m_avg_length_inches'], color='lightgreen') plt.xlabel ('Вид птицы') plt.ylabel ('Средняя длина (дюймы)') plt.title ('Средняя длина водоплавающих птиц') plt.xticks (rotation=90) plt.tight_layout () plt.show ()

plt.figure (figsize=(10, 6)) plt.bar (df['name'], df['life_span_year'].astype (str).str.split ('-').str[0].astype (int), color='lightcoral') plt.xlabel ('Вид птицы') plt.ylabel ('Продолжительность жизни (годы)') plt.title ('Продолжительность жизни водоплавающих птиц') plt.xticks (rotation=90) plt.tight_layout () plt.show ()

Здесь используется библиотека pandas для работы с таблицами данных.

Далее создается словарь data, который содержит столбцы и их значения.

Позже создаю DataFrame df из словаря data.

И как итог — вывожу таблицу на экран с помощью функции print (df).

ДИАГРАММА № 2

С помощью круговой диаграммы я продемонстрирую следующее

Типы водоплавающих птиц: Секторы: Процентное соотношение различных типов водоплавающих птиц (например, утки, гуси, лебеди).

Круговая диаграмма покажет распределение видов водоплавающих птиц по типам.

Статус охраны: Секторы: Процентное соотношение видов с различными статусами охраны (например, Least Concern, Vulnerable, Endangered).

Круговая диаграмма покажет распределение видов водоплавающих птиц по статусам охраны.

import matplotlib.pyplot as plt import pandas as pd

data = { 'id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 'name': ['American Black Duck', 'American Coot', 'American Wigeon', 'Barnacle Goose', 'Barrow's Goldeneye', 'Black Scoter', 'Black-bellied Whistling-Duck', 'Blue-winged Teal', 'Brant', 'Bufflehead'], 'type': ['Dabbling Duck', 'Other', 'Dabbling Duck', 'Goose', 'Diving Duck', 'Diving Duck', 'Other', 'Dabbling Duck', 'Goose', 'Diving Duck'], 'latin_name': ['Anas rubripes', 'Fulica americana', 'Mareca americana', 'Branta leucopsis', 'Bucephala islandica', 'Melanitta americana', 'Dendrocygna autumnalis', 'Spatula discors', 'Branta bernicla', 'Bucephala albeola'], 'm_avg_length_inches': [22, 16.2, 20, 27.0, 19.2, 19.7, 19.4, 16, 25, 15], 'f_avg_length_inches': [21, 16.2, 19, 23.5, 17, 18.5, 19, 14, 23, 13], 'm_avg_weight_lbs': [2.7, 1.5, 1.8, 4.03, 2.13, 2.5, 1.8, 1, 3.4, 1.1], 'f_avg_weight_lbs': [2.4, 1.2, 1.6, 3.57, 1.31, 2.2, 1.85, 0.8, 3.1, 0.7], 'life_span_year': ['10-15', '2-3', '5-10', '10-20', '10-15', '10-15', '10-15', '3-5', '5-10', '3-5'], 'egg_avg': [9, 6, 9, 4, 6, 8, 13, 10, 5, 9] }

df = pd.DataFrame (data)

type_counts = df['type'].value_counts ()

df['conservation_status'] = ['Least Concern', 'Vulnerable', 'Endangered', …]

conservation_status_counts = df['conservation_status'].value_counts ()

conservation_status_counts = pd.Series ({'Least Concern': 5, 'Vulnerable': 3, 'Endangered': 2})

plt.figure (figsize=(8, 8)) plt.pie (type_counts, labels=type_counts.index, autopct='%1.1f%%', startangle=140) plt.title ('Распределение типов водоплавающих птиц') plt.show ()

plt.figure (figsize=(8, 8)) plt.pie (conservation_status_counts, labels=conservation_status_counts.index, autopct='%1.1f%%', startangle=140) plt.title ('Распределение видов водоплавающих птиц по статусам охраны') plt.show ()

Здесь используется matplotlib для создания графиков и pandas для работы с данными.

Создается словарь data, который содержит столбцы и их значения.

Из словаря data создаем DataFrame df.

Используется метод value_counts () для подсчета количества каждого типа водоплавающих птиц.

Я создаю пример данных для статусов охраны (в реальном коде это столбец в DataFrame).

С помощью функции plt.pie () создается круговая диаграмма.

Так же создается вторая круговая диаграмма для статусов охраны.

ДИАГРАММА № 3

С помощью линейной диаграммы я продемонстрирую следующее:

Изменение численности популяции: Ось X: Время (годы). Ось Y: Численность популяции.

Линейная диаграмма покажет динамику изменения численности популяции различных видов водоплавающих птиц.

import matplotlib.pyplot as plt import pandas as pd

data = { 'id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 'name': ['American Black Duck', 'American Coot', 'American Wigeon', 'Barnacle Goose', 'Barrow's Goldeneye', 'Black Scoter', 'Black-bellied Whistling-Duck', 'Blue-winged Teal', 'Brant', 'Bufflehead'], 'type': ['Dabbling Duck', 'Other', 'Dabbling Duck', 'Goose', 'Diving Duck', 'Diving Duck', 'Other', 'Dabbling Duck', 'Goose', 'Diving Duck'], 'latin_name': ['Anas rubripes', 'Fulica americana', 'Mareca americana', 'Branta leucopsis', 'Bucephala islandica', 'Melanitta americana', 'Dendrocygna autumnalis', 'Spatula discors', 'Branta bernicla', 'Bucephala albeola'], 'm_avg_length_inches': [22, 16.2, 20, 27.0, 19.2, 19.7, 19.4, 16, 25, 15], 'f_avg_length_inches': [21, 16.2, 19, 23.5, 17, 18.5, 19, 14, 23, 13], 'm_avg_weight_lbs': [2.7, 1.5, 1.8, 4.03, 2.13, 2.5, 1.8, 1, 3.4, 1.1], 'f_avg_weight_lbs': [2.4, 1.2, 1.6, 3.57, 1.31, 2.2, 1.85, 0.8, 3.1, 0.7], 'life_span_year': ['10-15', '2-3', '5-10', '10-20', '10-15', '10-15', '10-15', '3-5', '5-10', '3-5'], 'egg_avg': [9, 6, 9, 4, 6, 8, 13, 10, 5, 9] }

df = pd.DataFrame (data)

years = [2010, 2015, 2020, 2025] population_data = { 'American Black Duck': [1000, 1200, 1300, 1400], 'American Coot': [800, 900, 1000, 1100], 'American Wigeon': [1500, 1600, 1700, 1800], # Добавьте данные для других видов водоплавающих птиц }

population_df = pd.DataFrame (population_data, index=years)

plt.figure (figsize=(10, 6)) for species in population_df.columns: plt.plot (population_df.index, population_df[species], label=species)

plt.xlabel ('Год') plt.ylabel ('Численность популяции') plt.title ('Динамика изменения численности популяции водоплавающих птиц') plt.legend () plt.grid (True) plt.show ()

Используется matplotlib для создания графиков и pandas для работы с данными.

Создается словарь data, который содержит столбцы и их значения.

Создается DataFrame df из словаря data.

Далее создается пример данных для изменения численности популяции за несколько лет.

Создается DataFrame population_df из данных о численности популяции.

И после я создаю линейную диаграмму с помощью функции plt.plot () для каждого вида водоплавающих птиц.

ДИАГРАММА № 4

Анализ гуся
Project created at 16.01.2026
creativecity.academy
events
travelling
history
art and design
Show more
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