Анализ датасета FruitFusion

Для анализа я выбрала датасет FruitFusion на сайте Kaggle. Он представляет собой набор данных, содержащий пищевые и физические характеристики различных фруктов. Данные включают такие параметры, как содержание сахара, калорий, воды и другие измеряемые признаки для каждого фрукта.

Меня привлек этот датасет по двум причинам: 1). Он компактный, но довольно насыщенный информацией: всего 38 видов фруктов, но по каждому представлено несколько характеристик — это удобно для визуализации и глубокого анализа. 2). Я увлекаюсь темой здорового питания и, на мой взгляд, не только мне, но и другим людям со здоровым образом жизни интересны данные о том, какие фрукты наиболее питательны, какие содержат больше сахара или воды, чтобы делать правильный выбор в магазине.

Хочу подчеркнуть, что датасет хорошо подходит для сравнения разных питательных характеристик и сезонности фруктов.

В ходе анализа я буду применять следующие виды графиков: 1). Столбчатая диаграмма (показывает ранжирование фруктов по одному из показателей) 2). Точечная диаграмма (используется для анализа связи между двумя признаками, например между содержанием сахара и калорий) 3). Гистограмма (показывает распределение одного показателя по всем фруктам). 4). Круговая диаграмма (показывает доли категорий в общем объёме данных, например распределение фруктов по сезонам).

На первом этапе данные были загружены в Google Colab из CSV-файла датасета FruitFusion, размещённого на платформе Kaggle. Для анализа использовалась библиотека Pandas, которая позволяет удобно работать с табличными данными.

Далее я проверила данные на наличие пропусков. Проверка показала, что в числовых признаках пропусков не обнаружено. В категориальном признаке season встречались отсутствующие значения, которые были заменены на «Не указано» для корректной визуализации.

Визуальный стиль вдохновлён натуральной цветовой палитрой фруктов: зелёные оттенки (яблоко, груша), жёлто-оранжевые (банан, цитрусовые), красные (вишня), фиолетовые (слива).

С помощью Adobe Color я собрала цветовую палитру, загрузив туда фотографии фруктов и выбрав наиболее красивые и сочетающиеся оттенки.

Шрифт Montserrat выбран для визуализации данных. Это современный гротеск, который легко читается, что очень важно для графиков.

Шрифт применён в настройках matplotlib, чтобы все графики были в едином стиле.

Итак, первый график: столбчатая диаграмма. Она позволяет выявить топ-10 фруктов по содержанию сахара и сразу определить наиболее сладкие.

В графике лидеры будут выделены цветом для наглядности.

В графике сразу отражен изучающий и объясняющий формат визуализации данных. Читатель с легкостью понимает, что:

1). Лидеры значительно превышают медианное значение по датасету, в то время как большинство фруктов имеет умеренную сладость. 2). В тройку лидеров вошли финик (Date), джекфрут (Jackfruit) и инжир (Fig) (видно благодаря красным, желтым и зеленым цветам) 3). Абсолютным лидером по содержанию сахара является финик (Date) — 66.0 г/100 г. 4). Медианное значение по всем фруктам составляет 9.5 г/100 г, что позволяет сравнить лидеров со средним уровнем сладости.

Переходим ко второму графику: точечная диаграмма. Она была использована для анализа связи между содержанием сахара и калорийностью фруктов: каждая точка соответствует отдельному фрукту, а линия тренда и коэффициент корреляции Пирсона позволяют оценить характер и силу зависимости.

Для точечной диаграммы был выбран единый цвет точек, чтобы не перегружать визуализацию, а линия тренда выделена контрастным цветом для акцента на общей зависимости.

В этом графике тоже отражен изучающий и объясняющий формат визуализации данных. Читатель сразу понимает, что: 1). Между содержанием сахара и калорийностью фруктов наблюдается положительная связь (коэффициент корреляции Пирсона со знаком плюс). В целом, с увеличением количества сахара возрастает и калорийность фрукта. 2). Единичный разброс значений указывает на то, что калорийность определяется не только количеством сахара. В данных присутствуют отдельные отклоняющиеся значения.

Следующий график: гистограмма, которая показывает распределение калорийности фруктов. Она позволяет понять, какие уровни калорийности встречаются чаще всего, а также увидеть, где находятся крайние значения.

Столбец с наименее калорийными значениями выделен цветом, что позволяет визуально отделить фрукты с минимальной энергетической ценностью от основной массы данных.

Глядя на данный график, читатель осознает, что: 1). Большинство фруктов имеет умеренную калорийность. Основная часть значений сосредоточена в центральных столбцах распределения. 2). Минимальная калорийность в датасете составляет 40 ккал на 100 г, этот диапазон выделен цветом

Итак, последним графиком будет круговая диаграмма. Она демонстрирует, как все фрукты делятся на части по одному категориальному признаку — сезону. Каждый сектор круга — это: одна категория сезона (весна, лето, осень, зима, круглый год).

Хочу отметить, что ранее было представлено четыре оттенка для визуализации данных, однако из-за того, что в датасете представлено 5 характеристик для анализа, пришлось ввести дополнительный цвет: #A6658F