AIM-PIbd-31-Bakalskaya-E-D/lab_2/lab2.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<h3><b>Уф.. начинаем длинную тяжелую лабу...</b></h3>"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<b>3 набора данных, с которыми будет проводиться работа:</b>\n",
    "<ol>\n",
    "    <li>\n",
    "    <p>Объекты вокруг Земли</p>\n",
    "    <a href=\"https://www.kaggle.com/datasets/sameepvani/nasa-nearest-earth-objects\">Ссылка</a>    \n",
    "    </li>\n",
    "    <li>\n",
    "    <p>Оценки студентов на экзамене</p>\n",
    "    <a href=\"https://www.kaggle.com/datasets/spscientist/students-performance-in-exams\">Ссылка</a>\n",
    "    </li>\n",
    "    <li>\n",
    "    <p>Прогноз цены мобильного телефона</p>\n",
    "    <a href=\"https://www.kaggle.com/datasets/dewangmoghe/mobile-phone-price-prediction\">Ссылка</a>\n",
    "    </li>\n",
    "</ol>"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<div style=\"margin: 40px;\">\n",
    "<h4 >Информация о первом датасете:</h4>\n",
    "\n",
    "<p style=\"margin: 40px;\"><b>О наборе данных</b><br/>\n",
    "Контекст<br/>\n",
    "В космическом пространстве существует бесконечное количество объектов. Некоторые из них находятся ближе, чем мы думаем. Хотя нам может казаться, что расстояние в 70 000 км не может причинить нам вред, в астрономическом масштабе это очень маленькое расстояние, которое может нарушить многие природные явления. Таким образом, эти объекты/астероиды могут причинить вред. Поэтому разумно знать, что нас окружает и что может причинить нам вред. Таким образом, этот набор данных содержит список сертифицированных НАСА астероидов, которые классифицируются как ближайшие к Земле объекты.</p>\n",
    "\n",
    "<br/>\n",
    "<h4>Информация о втором датасете:</h4>\n",
    "<p style=\"margin: 40px;\"><b>О наборе данных</b><br/>\n",
    "Контекст<br/>\n",
    "Оценки, полученные студентами<br/>\n",
    "Содержание<br/>\n",
    "Этот набор данных состоит из оценок, полученных учениками по различным предметам.<br/>\n",
    "Благодарности<br/>\n",
    "http://roycekimmons.com/tools/generated_data/exams<br/>\n",
    "Вдохновение<br/>\n",
    "Понять влияние предыстории родителей, подготовки к тестированию и т.д. На успеваемость учащихся</p>\n",
    "<br/>\n",
    "\n",
    "<h4>Информация о третьем датасете:</h4>\n",
    "<p style=\"margin: 40px;\"><b>О наборе данных</b><br/>\n",
    "Этот набор данных был собран путём сбора данных с онлайн-сайтов.\n",
    "Столбцы выглядят следующим образом.\n",
    "\n",
    "Название: в этом столбце содержится название мобильного телефона.\n",
    "\n",
    "Рейтинг: в этом столбце указаны оценки, выставленные телефону. Минимальная оценка — 0, максимальная — 5.\n",
    "\n",
    "Spec_score: в этом столбце указана оценка телефона на основе его характеристик. Минимальное значение — 0, максимальное — 100.\n",
    "\n",
    "No_of_sim: в этом столбце указано, поддерживает ли телефон две SIM-карты, 3G, 4G, 5G, LTE.\n",
    "\n",
    "Оперативная память: В этом столбце содержится информация о оперативной памяти телефона\n",
    "\n",
    "Аккумулятор: В этой колонке представлена информация о характеристиках аккумулятора телефона.\n",
    "\n",
    "Дисплей: В этом столбце содержится информация о размере экрана телефона.\n",
    "\n",
    "Камера: В этой колонке представлена информация о камере, задней и фронтальной.\n",
    "\n",
    "Внешняя_память: этот столбец содержит информацию о том, поддерживает ли устройство внешнюю память и\n",
    "какой объём памяти.\n",
    "\n",
    "Android_version: этот столбец сообщает нам о версии Android на телефоне.\n",
    "\n",
    "Цена: Цена телефона.\n",
    "\n",
    "Компания: Компания, которой принадлежит телефон.\n",
    "\n",
    "Встроенная_память: в этом столбце представлена информация о встроенной памяти телефона.\n",
    "\n",
    "быстрая_зарядка: показывает, поддерживает ли устройство быструю зарядку. Если да, то насколько.\n",
    "\n",
    "Screen_resolution: Это описывает разрешение экрана телефона.\n",
    "\n",
    "Процессор: В этом столбце приведена информация о процессоре телефона.\n",
    "\n",
    "Имя_процессора: в этом столбце описывается название процессора.\n",
    "<br/>\n",
    "</div>\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<p style=\"margin: 40px;\">начинаем...<br>первое...<br>Проблемная область: Это данные о ближайших к Земле объектах (астероиды и кометы), которые могут угрожать нашей планете. Важно анализировать их траектории, размеры и скорость для предотвращения потенциальных катастроф.<br>Объекты наблюдения: Астероиды, кометы и другие объекты.<br>Атрибуты: 'id', 'name', 'est_diameter_min', 'est_diameter_max', 'relative_velocity', 'miss_distance', 'orbiting_body', 'sentry_object', 'absolute_magnitude', 'hazardous'<br>Связи между объектами: Нет явных связей между объектами, но можно изучать корреляции между размером, скоростью и расстоянием объекта.</p>"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "вот столько колонОчек 10\n",
      "вот такие колонОчки: ['id', 'name', 'est_diameter_min', 'est_diameter_max', 'relative_velocity', 'miss_distance', 'orbiting_body', 'sentry_object', 'absolute_magnitude', 'hazardous']\n"
     ]
    }
   ],
   "source": [
    "import pandas as pd\n",
    "\n",
    "data = pd.read_csv(\"./csv/1.csv\", sep=\",\")\n",
    "print(\"вот столько колонОчек\", data.columns.size)\n",
    "print(\"вот такие колонОчки:\", data.columns.tolist())    "
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<p style=\"margin: 40px;\">\n",
    "Получение сведений о пропущенных данных <br>Типы пропущенных данных:<br>None - представление пустых данных в Python<br>NaN - представление пустых данных в Pandas<br>'' - пустая строка\n",
    "</p>"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 2,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "id                    0\n",
      "name                  0\n",
      "est_diameter_min      0\n",
      "est_diameter_max      0\n",
      "relative_velocity     0\n",
      "miss_distance         0\n",
      "orbiting_body         0\n",
      "sentry_object         0\n",
      "absolute_magnitude    0\n",
      "hazardous             0\n",
      "dtype: int64 \n",
      "\n",
      "id                    False\n",
      "name                  False\n",
      "est_diameter_min      False\n",
      "est_diameter_max      False\n",
      "relative_velocity     False\n",
      "miss_distance         False\n",
      "orbiting_body         False\n",
      "sentry_object         False\n",
      "absolute_magnitude    False\n",
      "hazardous             False\n",
      "dtype: bool \n",
      "\n"
     ]
    }
   ],
   "source": [
    "# Проверим, есть ли пропущенные значения\n",
    "print(data.isnull().sum(), \"\\n\")\n",
    "\n",
    "# Есть ли пустые значения признаков\n",
    "print(data.isnull().any(), \"\\n\")"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<p style=\"margin: 40px;\">Тут понятно, что пропущенных значений нет, поэтому заполнять пустые места не нужно <br>И еще на сайте видно, что колонки \"orbiting_body\" и \"sentry_object\" не имеют никаких значений кроме \"Земля\" и \"false\" соответственно. Значит удалим их</p>"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 3,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Index(['id', 'name', 'est_diameter_min', 'est_diameter_max',\n",
      "       'relative_velocity', 'miss_distance', 'absolute_magnitude',\n",
      "       'hazardous'],\n",
      "      dtype='object')\n"
     ]
    }
   ],
   "source": [
    "data = data.drop(columns=['sentry_object'])\n",
    "data = data.drop(columns=['orbiting_body'])\n",
    "print(data.columns)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<p style=\"margin: 40px\">при просмотре типа данных на сайте kaggle выяснилось, что числовые колонки - это 3-7. По ним и будем просматриватьвыбросы и усреднять значения</p>"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 4,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Колонка est_diameter_min:\n",
      "  Есть выбросы: Да\n",
      "  Количество выбросов: 8306\n",
      "  Минимальное значение: 0.0006089126\n",
      "  Максимальное значение: 0.32962154705\n",
      "  1-й квартиль (Q1): 0.0192555078\n",
      "  3-й квартиль (Q3): 0.1434019235\n",
      "\n",
      "Колонка est_diameter_max:\n",
      "  Есть выбросы: Да\n",
      "  Количество выбросов: 8306\n",
      "  Минимальное значение: 0.00136157\n",
      "  Максимальное значение: 0.7370561859\n",
      "  1-й квартиль (Q1): 0.0430566244\n",
      "  3-й квартиль (Q3): 0.320656449\n",
      "\n",
      "Колонка relative_velocity:\n",
      "  Есть выбросы: Да\n",
      "  Количество выбросов: 1574\n",
      "  Минимальное значение: 203.34643253\n",
      "  Максимальное значение: 114380.48061454494\n",
      "  1-й квартиль (Q1): 28619.02064490995\n",
      "  3-й квартиль (Q3): 62923.60463276395\n",
      "\n",
      "Колонка miss_distance:\n",
      "  Есть выбросы: Нет\n",
      "Колонка absolute_magnitude:\n",
      "  Есть выбросы: Да\n",
      "  Количество выбросов: 101\n",
      "  Минимальное значение: 14.8\n",
      "  Максимальное значение: 32.239999999999995\n",
      "  1-й квартиль (Q1): 21.34\n",
      "  3-й квартиль (Q3): 25.7\n",
      "\n"
     ]
    }
   ],
   "source": [
    "numeric_columns = ['est_diameter_min', 'est_diameter_max', 'relative_velocity', 'miss_distance', 'absolute_magnitude']\n",
    "for column in numeric_columns:\n",
    "    if pd.api.types.is_numeric_dtype(data[column]):  # Проверяем, является ли колонка числовой\n",
    "        q1 = data[column].quantile(0.25)  # Находим 1-й квартиль (Q1)\n",
    "        q3 = data[column].quantile(0.75)  # Находим 3-й квартиль (Q3)\n",
    "        iqr = q3 - q1  # Вычисляем межквартильный размах (IQR)\n",
    "\n",
    "        # Определяем границы для выбросов\n",
    "        lower_bound = q1 - 1.5 * iqr  # Нижняя граница\n",
    "        upper_bound = q3 + 1.5 * iqr  # Верхняя граница\n",
    "\n",
    "        # Подсчитываем количество выбросов\n",
    "        outliers = data[(data[column] < lower_bound) | (data[column] > upper_bound)]\n",
    "        outlier_count = outliers.shape[0]\n",
    "\n",
    "        # Устраняем выбросы: заменяем значения ниже нижней границы на саму нижнюю границу, а выше верхней — на верхнюю\n",
    "        data[column] = data[column].apply(lambda x: lower_bound if x < lower_bound else upper_bound if x > upper_bound else x)\n",
    "\n",
    "        print(f\"Колонка {column}:\")\n",
    "        print(f\"  Есть выбросы: {'Да' if outlier_count > 0 else 'Нет'}\")\n",
    "        if(outlier_count > 0) :\n",
    "            print(f\"  Количество выбросов: {outlier_count}\")\n",
    "            print(f\"  Минимальное значение: {data[column].min()}\")\n",
    "            print(f\"  Максимальное значение: {data[column].max()}\")\n",
    "            print(f\"  1-й квартиль (Q1): {q1}\")\n",
    "            print(f\"  3-й квартиль (Q3): {q3}\\n\")\n",
    "        "
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<p style=\"margin: 40px;\">так, теперь мы построим диаграммы, чтобы найти зависимость значения \"опасен ли объект\" от других колонок</p>"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 5,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "image/png": "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
      "text/plain": [
       "<Figure size 400x800 with 1 Axes>"
      ]
     },
     "metadata": {},
     "output_type": "display_data"
    },
    {
     "data": {
      "image/png": "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
      "text/plain": [
       "<Figure size 400x800 with 1 Axes>"
      ]
     },
     "metadata": {},
     "output_type": "display_data"
    },
    {
     "data": {
      "image/png": "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
      "text/plain": [
       "<Figure size 400x800 with 1 Axes>"
      ]
     },
     "metadata": {},
     "output_type": "display_data"
    },
    {
     "data": {
      "image/png": "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
      "text/plain": [
       "<Figure size 400x800 with 1 Axes>"
      ]
     },
     "metadata": {},
     "output_type": "display_data"
    },
    {
     "data": {
      "image/png": "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
      "text/plain": [
       "<Figure size 400x800 with 1 Axes>"
      ]
     },
     "metadata": {},
     "output_type": "display_data"
    }
   ],
   "source": [
    "import matplotlib.pyplot as plt\n",
    "\n",
    "# Список числовых колонок, для которых мы будем строить графики\n",
    "numeric_columns = ['est_diameter_min', 'est_diameter_max', 'relative_velocity', 'miss_distance', 'absolute_magnitude']\n",
    "\n",
    "# Создание диаграмм зависимости\n",
    "for column in numeric_columns:\n",
    "    plt.figure(figsize=(4, 8))  # Установка размера графика\n",
    "    plt.scatter(data['hazardous'], data[column], alpha=0.5)  # Создаем диаграмму рассеяния\n",
    "    plt.title(f'Зависимость {column} от hazardous')\n",
    "    plt.xlabel('hazardous (0 = не опасно, 1 = опасно)')\n",
    "    plt.ylabel(column)\n",
    "    plt.xticks([0, 1])  # Установка меток по оси X\n",
    "    plt.grid()  # Добавление сетки для удобства восприятия\n",
    "    plt.show()  # Отображение графика"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": []
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": []
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "venv",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.12.6"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}