Инфографика: породы кошек

Породы кошек обычно воспринимаются через внешность, например, через форму мордочки, длину шерсти, окрас или размер.

Однако за визуальным образом каждой породы стоит набор характеристик, которые можно сравнить через данные — вес, продолжительность жизни, происхождение, интеллект, дружелюбность и сложность ухода.

Для проекта был выбран датасет о породах кошек, содержащий информацию о 62 записях пород и их ключевых признаках. Эти данные позволяют рассмотреть кошку не только как визуальный образ, но и как систему параметров.

Инфографика переводит характеристики пород в наглядную форму и показывает, как разные породы отличаются.

Цель проекта — показать, как визуализация данных помогает сравнивать породы кошек по физическим и поведенческим характеристикам.

Инфографика позволяет быстро увидеть различия, которые сложно считать из обычной таблицы, например, какие породы живут дольше, какие отличаются большим весом, а какие имеют более высокие показатели дружелюбности, игривости. Вместо разрозненного списка характеристик зритель получает визуальный портрет пород, где каждая кошка описывается через систему данных.

Польза проекта заключается в том, что он помогает воспринимать выбор породы более осознанно. Инфографика может быть интересна не только любителям кошек, но и тем, кто изучает визуализацию данных, потому что показывает, как бытовая и эмоционально близкая тема может быть раскрыта аналитически.

Для проекта был использован датасет cat breeds, содержащий таблицу характеристик пород кошек. В исходном CSV-файле представлены данные о названии породы, происхождении, весе, продолжительности жизни и ряде поведенческих характеристик.

В рамках проекта было проанализировано 62 записи о породах кошек. Для построения диаграмм использовались как исходные значения из таблицы, так и расчётные показатели: средняя продолжительность жизни и средний вес породы. Это позволило сравнить породы между собой и выделить наиболее показательные различия.

Источник данных: Kaggle

Исходный CSV-файл был импортирован в Google Sheets. На первом этапе была изучена структура таблицы: названия столбцов, типы данных и параметры, которые можно использовать для визуализации.

Так как в датасете отдельно указаны минимальные и максимальные значения веса и продолжительности жизни, для анализа были созданы дополнительные расчётные колонки. Средний вес рассчитывался как среднее между минимальным и максимальным весом, а средняя продолжительность жизни — как среднее между минимальным и максимальным значением ожидаемой жизни.

Также данные были сгруппированы с помощью фильтров и сводных таблиц. Это позволило определить породы с самой высокой средней продолжительностью жизни, самые крупные породы, средние показатели характера и распределение пород по происхождению.

На основе обработанных данных в Google Sheets были построены диаграммы, отражающие ключевые аспекты датасета.

Для финального постера были выбраны четыре визуализации:

— рейтинг пород по средней продолжительности жизни — рейтинг самых крупных пород по среднему весу — самые дружелюбные породы — распределение пород по происхождению

Эти диаграммы формируют структуру проекта и отвечают на четыре основных вопроса: сколько живут разные породы, насколько они крупные, какие породы самые дружелюбные и откуда происходят.

После построения диаграмм данные были перенесены в Figma для разработки финального постера формата А1. Композиция строится по принципу визуального портрета: каждая диаграмма раскрывает отдельный слой информации о породах кошек.

Визуальный стиль проекта основан на сочетании мягкой зоотематики и аналитической инфографики. Для оформления используются спокойные природные оттенки, графический силуэт кошки, шкалы, карточки параметров и аккуратная типографика.

В процессе работы использовались инструменты искусственного интеллекта для анализа структуры датасета, выбора темы, формулировки концепции проекта, подбора диаграмм и подготовки текстовых материалов для лонгрида.

ИИ также помог определить, какие параметры датасета лучше подходят для визуализации, какие диаграммы можно построить в Google Sheets и как связать отдельные графики в цельную визуальную историю.