Анализ и визуализация данных Amazon Bestsellers

Для анализа я выбрала датасет "Amazon Top 50 Bestselling Books 2009-2019", который был найден мной на сайте:

https://www.kaggle.com/datasets/sootersaalu/amazon-top-50-bestselling-books-2009-2019/download?datasetVersionNumber=1

Этот датасет содержит информацию о 550 бестселлерах Amazon за период с 2009 по 2019 год. Данные представлены в CSV-формате и включают следующие колонки: название книги, автор, пользовательский рейтинг, количество отзывов, цена, год попадания в топ, и жанр (художественная/нехудожественная литература).

Эти данные представляют ценность по нескольким причинам. Например, они позволяют проанализировать тенденции на книжном рынке за десятилетие и дают понимание, какие типы книг становятся бестселлерами. Также они показывают взаимосвязь между ценой, рейтингом и популярностью книг.

Для визуализации данных были выбраны следующие графики:

• Точечная диаграмма чтобы показать зависимость между ценой и количеством отзывов с цветовым кодированием по рейтингу.

• Круговуая диаграмма для отображения распределения книг по жанрам.

• Гистограмма для сравнения распределения цен по жанрам.

• Линейный график для демонстрации динамики средней цены книг по годам.

В начале работы были импортированы необходимые библиотеки: pandas, matplotlib, numpy. Далее следует импорт скачанного датасета в csv формате.

Следующим этапом работы стала настройка визуализации данных. Я выбрала темный фон для графиков с контрастными цветами, чтобы создать элегантный и современный вид. Основные элементы стиля:

• Темный фон (#333333)
• Пользовательская цветовая палитра
• Шрифт Roboto Slab для заголовков и подписей

Далее я построила фигуру размером 20x20 дюймов с сеткой 2x2 для четырех различных визуализаций. Добавила общий заголовок "Визуализация данных" . Фон всей фигуры темно-серый (#333333).

В первом субплоте я создала scatter plot, где:

• По оси X - цена книг
• По оси Y - количество отзывов

Цвет точек соответствует рейтингу (используется прописанная цветовая карта). Прозрачность 70% помогает различать перекрывающиеся точки.

Далее я добавила подписи осей, заголовок, настроила цвет и размер шрифта всех текстовых элементов. Сетка полупрозрачная серая линия для лучшей читаемости. Цветовая шкала справа объясняет соответствие цветов значениям рейтинга.

Во втором субплоте строится pie chart, показывающий соотношение художественной и нехудожественной литературы в датасете. Используя метод value_counts для подсчета книг каждого жанра. Диаграмма включает:

• Ярлыки с названиями жанров
• Процентные значения с точностью до десятых
• Цвета из нашей палитры
• Белый текст с нашим шрифтом

В третьем субплоте я создала гистограмму, в которой для каждого жанра строится отдельный столбец.

• По оси X - ценовые диапазоны (10 бинов)
• По оси Y - количество книг в каждом диапазоне

Разные жанры книг проиллюстрированы разными цветами из заранее прописанной цветовой палитры. Также я добавила легенду для идентификации жанров.

В последнем субплоте я отобразила динамику изменения средней цены книг-бестселлеров с 2009 по 2019 год. Для этого я сгруппировала данные по году. Затем вычислила среднюю цену для каждого года. После этого построила линию с маркерами в виде кружков. Далее я использовала четвертый цвет из палитры. Добавляем сетку для удобства чтения значений.