AIM-PIbd-31-Makarov-DV/lab_1/lab1.ipynb

Начало ЛР¶

Выгрузка данных из CSV в датафрейм

In [23]:

import pandas as pd
import matplotlib.pyplot as plt

dataframe = pd.read_csv(".//static//csv//students_adaptability_level_online_education.csv")
dataframe.head()

Out[23]:

	Education Level	Institution Type	Gender	Age	Device	IT Student	Location	Financial Condition	Internet Type	Network Type	Flexibility Level
0	University	Private	Male	23	Tab	No	Town	Mid	Wifi	4G	Moderate
1	University	Private	Female	23	Mobile	No	Town	Mid	Mobile Data	4G	Moderate
2	College	Public	Female	18	Mobile	No	Town	Mid	Wifi	4G	Moderate
3	School	Private	Female	11	Mobile	No	Town	Mid	Mobile Data	4G	Moderate
4	School	Private	Female	18	Mobile	No	Town	Poor	Mobile Data	3G	Low

Диаграмма 1 (Круговая)¶

Данная диаграмма (круговая) отображает распределение людей по типу соединения к интернету (4G, 3G, 2G). Это позволяет сделать вывод о том, что люди с низким уровнем заработка имеют чаще всего 3G и 4G (одинаково), чем 2G.

In [36]:

rural_df = dataframe[dataframe['Financial Condition'] == "Poor"]

network_type_rural_count = rural_df['Network Type'].value_counts()

plt.figure(figsize=(6,6))
plt.pie(network_type_rural_count, labels=network_type_rural_count.index, autopct='%1.2f%%')
plt.title("Распределение людей низкого уровня заработка по типу соединения")

Out[36]:

Text(0.5, 1.0, 'Распределение людей низкого уровня заработка по типу соединения')

Диаграмма 2 (Линейная)¶

Данная диаграмма выполнена на срезе данных и отображает количество студентов в разных возрастных группах. Из нее можно сделать вывод, что в подростковом возрасте (10-15) люди менее интересуются IT направлением, но в возрасте 20-25 лет количество учеников IT направлений начинает преобладать над не IT сферой (и в это же время количество не IT студентов начинает убывать).

In [45]:

df_cut = dataframe.iloc[0:1500]

it_student_df = df_cut[df_cut['IT Student'] == "Yes"].copy()
nonit_student_df = df_cut[df_cut['IT Student'] == "No"].copy()

age_bins = range(10, 36, 5)


it_student_df['age_group'] = pd.cut(it_student_df['Age'], bins=age_bins)
it_student_count = it_student_df.groupby('age_group', observed=False)['IT Student'].value_counts().reset_index()
mean_count_it = it_student_count.groupby('age_group', observed=False)['count'].mean()

nonit_student_df['age_group'] = pd.cut(nonit_student_df['Age'], bins=age_bins)
nonit_student_count = nonit_student_df.groupby('age_group', observed=False)['IT Student'].value_counts().reset_index()
mean_count_nonit = nonit_student_count.groupby('age_group', observed=False)['count'].mean()

plt.figure(figsize=(10,6))
plt.plot(mean_count_it.index.astype(str), mean_count_it , marker='o', label='IT студент')
plt.plot(mean_count_nonit.index.astype(str), mean_count_nonit , marker='o', label='Не IT студент')
plt.xlabel("Возрастная группа")
plt.ylabel("Количество студентов")
plt.title('Количество студентов на IT и не IT направлении')
plt.xticks(rotation=45)
plt.legend()

Out[45]:

<matplotlib.legend.Legend at 0x71e288175ac0>

Диаграмма 3 (Гистограмма)¶

Данная диаграмма отображает количество людей по типу соединения к сети Интернет. На основе этой диаграммы можно сделать вывод, что чаще всего используют мобильный интернет, чем Wi-Fi

In [46]:

plt.figure(figsize=(10,6))
plt.hist(dataframe.head(20000)['Internet Type'], bins=4, edgecolor='black')
plt.title("Распределение людей по типу подключения к сети Интернет")
plt.xlabel("Тип подключения к сети Интернет")
plt.ylabel("Количество")

Out[46]:

Text(0, 0.5, 'Количество')