Для данного проекта с сайта Kaggle я взяла данные о сыре по всему миру.
Сыр является неотъемлемой частью кулинарных традиций многих стран, занимая почетное место на столах гурманов и любителей простых домашних блюд. Несмотря на свою повсеместность, сыр удивительно разнообразен: существует множество видов, которые различаются по текстуре, вкусу, запаху и способу производства. Это исследование направлено на изучение этого разнообразия.
Типы созданных графиков:
• столбчатая диаграмма • гистограмма частот • круговая диаграмма
Этапы работы:
• выбор набора данных • загрузка файла CSV со статистикой в среду программирования • анализ данных • визуализация
Полученные графики
В представленных графиках используется цветовая палитра «YlOrBr» из библиотеки Seaborn, которая включает приглушенные оттенки желтого и оранжевого цветов. Конкретные цвета могут варьироваться в зависимости от количества категорий в данных.
Выводы
Большинство сыров производится из коровьего молока. Вторыми по популярности являются сыры из козьего и овечьего молока, что указывает на их меньшую, но все же значительную роль в производстве сыра.
Франция лидирует по количеству видов сыра, за ней следуют Италия и Испания. Эти страны известны своими традициями и культурой производства сыра, что подтверждается их высокой представленностью в данных.
Наиболее распространенными текстурами являются кремовая, гладкая и плотная. Это указывает на предпочтения производителей и потребителей в отношении текстуры сыра.
Подавляющее большинство сыров не являются веганскими. Это ожидаемо, поскольку традиционный сыр производится из молока животных. Однако наличие веганских сыров в данных указывает на растущий интерес и спрос на альтернативные продукты для веганов.
Наиболее распространенные запахи сыров включают так называемый ароматный, фруктовый и землистый. Ароматные сыры могут быть особенно привлекательными для потребителей, ищущих интенсивные вкусовые ощущения.
Входе исследования были использованы различные методы визуализации данных, такие как столбчатые диаграммы, круговые диаграммы и гистограммы. Анализ проведен с использованием библиотеки Seaborn и других инструментов для обработки и визуализации данных в Python. Также я использовала Chat Gpt 4 для исправления ошибок в коде и оптимизации его работы, кастомизации диаграмм, а также для частичного анализа информации из датасета.
