arzamaskina_milana_lab_4 is ready

arzamaskina_milana_lab_4/README.md

@@ -0,0 +1,112 @@
+# Лабораторная работа №3
+
+## Кластеризация
+
+#### ПИбд-41 Арзамаскина Милана
+#### Вариант №2 (2 % 5 = 2)
+
+## Задание:
+
+Использовать метод кластеризации по варианту для данных из таблицы 1  по  варианту (таблица  9),
+самостоятельно  сформулировав  задачу. 
+Интерпретировать результаты и оценить, насколько хорошо он подходит для решения сформулированной вами задачи.
+
+#### Формулировка задачи: 
+Группировка стран на основе их характеристик:
+количество выбросов от добычи нефтепродуктов, газа, угля в 2020 году.
+С помощью алгоритма кластеризации: linkage.
+
+## Данные:
+
+Этот набор данных обеспечивает углубленный анализ глобальных выбросов CO2 на уровне страны, позволяя лучше понять, 
+какой вклад каждая страна вносит в глобальное совокупное воздействие человека на климат. 
+Он содержит информацию об общих выбросах, а также от добычи и сжигания угля, нефти, газа, цемента и других источников. 
+Данные также дают разбивку выбросов CO2 на душу населения по странам, показывая, 
+какие страны лидируют по уровням загрязнения, и определяют потенциальные области, 
+где следует сосредоточить усилия по сокращению выбросов. 
+Этот набор данных необходим всем, кто хочет получить информацию о своем воздействии на окружающую среду 
+или провести исследование тенденций международного развития.
+
+Данные организованы с использованием следующих столбцов: 
+
++ Country: название страны
++ ISO 3166-1 alpha-3: трехбуквенный код страны
++ Year: год данных исследования
++ Total: общее количество CO2, выброшенный страной в этом году
++ Coal: количество CO2, выброшенное углем в этом году
++ Oil: количество выбросов нефти
++ Gas: количество выбросов газа
++ Cement: количество выбросов цемента
++ Flaring: сжигание на факелах уровни выбросов
++ Other: другие формы, такие как промышленные процессы
++ Per Capita: столбец «на душу населения» 
+
+
+### Какие технологии использовались:
+
+Используемые библиотеки:
+* scipy.cluster.hierarchy
+* pandas
+* matplotlib
+* seaborn
+
+### Как запустить:
+
+* установить python, scipy.cluster.hierarchy, pandas, matplotlib, seaborn
+* запустить проект (стартовая точка - main.py)
+
+### Что делает программа:
+
+* Загружает набор данных из файла 'CO2.csv', который содержит информацию о выбросах странами CO2 в год от различной промышленной деятельности.
+* Очищает набор данных путём удаления строк с нулевыми значениями и глобальными значениями по всем странам (строки 'Global') из набора.
+* Отбирает данные по странам за 2020 год.
+* Выбирает набор признаков (features) из данных, которые будут использоваться для кластеризации.
+* Применяет алгоритм linkage.
+* Формирует 4 кластера данных с помощью функции fcluster.
+* Выводит таблицу со списком стран, их характеристиками и номером кластера, к которому они относятся.
+* Отображает диаграмму результатов кластеризации seaborn.
+
+
+#### Результаты работы программы:
+
+![Result](img_1.png)
+![Result](img.png)
+
+### Вывод:
+
+Для кластеризации данных было использовано 4 кластера для группировки стран на основе их характеристик:
+количество выбросов от добычи нефтепродуктов, газа, угля в 2020 году.
+На кластеры разбивались 47 стран.
+
+На диаграмме можно наблюдать, что практически все страны относятся к первому кластеру, 
+а 2, 3, 4 кластер содержит всего по одной стране.
+
++ Кластер 1: 
+
+Включает страны с маленьким объёмом выбросов от добычи газа, нефти и угля в 2020 году. 
+В данную группу входят такие страны, как Швейцария, Турция, Норвегия и др.
+Опираясь на результаты кластеризации, можно сказать, что страны имеют малое количество месторождений газа, нефти и угля,
+либо не занимаются их добычей, либо ведут мероприятия по смягчению последствий от загрязнений.
+
++ Кластер 2: 
+
+Включает одну страну - Россию. 
+По диаграмме можно сказать, что в стране выбросы от добычи нефти и угля также малы, как и в странах первого кластера. 
+Однако, выбросы от добычи газа в несколько раз больше.
+Страна, которая занимается преимущественно добычей газа.
+
++ Кластер 3: 
+
+Содержит также одну страну - США. У страны рекордный объём выбросов от добычи газа, также страна этого кластера 
+отличается бОльшим объемом выбросов от добычи нефти (можно наблюдать на диаграмме по размеру точки).
+Страна, лидирующая по объёму выбросов от добычи газа. Страна является лидером по запасам природного газа.
+
++ Кластер 4: 
+
+Включает страну - Китай. Судя по диаграмме кластеризации Китай производит большой объём выбросов 
+в процессе добычи нефти и рекордный в процессе добычи угля.
+Страна, лидирующая по выбросам от добычи угля и нефти, а также средняя по выбросам от газа. 
+Опираясь на результаты кластеризации, можно сказать, что Китай - лидер по добыче угля.
+
+Данная кластеризация на 4 кластера хорошо подходит для распределения стран 
+на группы по объёму выбросов от добычи нефти, газа и угля.

arzamaskina_milana_lab_4/main.py

@@ -0,0 +1,44 @@
+import pandas as pd
+from scipy.cluster.hierarchy import linkage, fcluster
+import matplotlib.pyplot as plt
+import seaborn as sns
+
+# Кластеризация: Группировка стран на основе их характеристик:
+# количество выбросов от добычи нефтепродуктов, газа, угля в 2020 году.
+
+# Загружаем данные, отбираем данные за 2020 год
+# и удаляем строки, в которых данные отсутствуют
+data_first = pd.read_csv('CO2.csv')
+data_first = data_first.dropna()
+data = data_first[data_first['Year'] == 2020]
+data = data[data.Country != 'Global']
+names = data['Country']
+
+# Выделение признаков
+features = data[['Coal', 'Oil', 'Gas']]
+
+# Применение алгоритма linkage
+link_cl = linkage(features, method='ward', metric='euclidean')
+
+# Кластеризация на 3 кластера
+clusters = fcluster(link_cl, 4, criterion='maxclust')
+
+# Добавление информации о кластерах в исходные данные
+features['cluster'] = clusters
+
+# Диаграмма результатов кластеризации
+plt.figure(figsize=(12, 6))
+sns.scatterplot(x='Coal', y='Gas', size='Oil',
+                sizes=(10, 200), hue='cluster', palette='viridis', data=features)
+plt.title('Clustering Results')
+plt.xlabel('Coal')
+plt.ylabel('Gas')
+
+# Вывод таблицы с результатами кластеризации
+# Добавление наименований стран
+features.insert(loc=0, column='country', value=names)
+# Вывод результатов кластеризации
+result_clust = features[['cluster', 'country', 'Coal', 'Oil', 'Gas']]
+print(result_clust)
+
+plt.show()