Описание
В данном проекте представлен анализ данных о вероятности того, что имена будут мужскими или женскими, основанных на именах в США 1930–2015 гг.
База данных взята с сайта data.world.
Эта тема показалась мне довольно занимательной, потому что имена — важна часть любого человека.
Типы созданных графиков:
Круговая диаграмма
Столбчатая диаграмма горизонтальная
Столбчатая диаграмма вертикальная
Я пробовала разные виды графиков, однако именно эти типы показались мне самыми удобными и наглядными
Этапы работы
Как только я загрузила файл в Google Colab и подключила библиотеки pandas, matplotlib и seaborn, я сразу же обратила внимание на готовые графики, которые предложил мне Google.
Однако меня не устроил вид графиков и я изменяла код, чтобы адаптировать каждый из графиков под свои нужды.
Найти удобный вид графика получалось не сразу и поэтому я переписывала код несколько раз, пока вид меня не устроил.
Описание применения генеративной модели
В процессе работы с данными, я могла забывать, какие действия в коде мне нужно применить, чтобы добиться желаемого результата. Поэтому я обращалась к нейросети replit.ai.
Видеокурс крайне объемный, как и количество сайтов с информацией, а нейросеть дает быстрый и четкий ответ. К тому же лично мне проще ориентироваться на готовый пример при написании кода. Дополнительно хочется отметить, что в видеокурсе было обращение к нейросетям для ускорения процесса.
Промт:
Ответ нейросети
replit.ai BASIC MODEL https://replit.com/
Оформление графиков
Определенного источника для вдохновения для стилизации не было, я лишь хотела использовать разные цвета, чтобы графики были более наглядными, однако старалась найти хорошее их сочетание.
Цветовая палитра была взята с сайта gradients.app
шрифт
Итоговые графики
код № 1
код № 2
код № 3
Ссылка на блокнот
