diff --git a/lab_2/lab2.ipynb b/lab_2/lab2.ipynb
index 72e0a00..8db1389 100644
--- a/lab_2/lab2.ipynb
+++ b/lab_2/lab2.ipynb
@@ -4,7 +4,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "Загрузка данных в DataFrame \"Список форбс\"\n",
+ "Загрузка данных в DataFrame \"Список форбс\"\n",
"\n",
"О рейтинге\n",
"The World's Billionaires (\"Миллиардеры мира\") - ежегодный рейтинг самых богатых миллиардеров мира, составляемый и публикуемый в марте американским деловым журналом Forbes. Общее состояние каждого человека, включенного в список, оценивается в долларах США на основе его документально подтвержденных активов, а также с учетом долгов и других факторов. Этот рейтинг представляет собой список самых богатых людей, зарегистрированных по документам, за исключением тех, чье благосостояние не может быть полностью установлено.\n",
@@ -23,7 +23,7 @@
},
{
"cell_type": "code",
- "execution_count": 3,
+ "execution_count": 8,
"metadata": {},
"outputs": [
{
@@ -31,17 +31,17 @@
"output_type": "stream",
"text": [
"\n",
- "Index: 2600 entries, Automotive to Food & Beverage \n",
+ "Index: 2600 entries, 1 to 2578\n",
"Data columns (total 6 columns):\n",
" # Column Non-Null Count Dtype \n",
"--- ------ -------------- ----- \n",
- " 0 Rank 2600 non-null int64 \n",
- " 1 Name 2600 non-null object \n",
- " 2 Networth 2600 non-null float64\n",
- " 3 Age 2600 non-null int64 \n",
- " 4 Country 2600 non-null object \n",
- " 5 Source 2600 non-null object \n",
- "dtypes: float64(1), int64(2), object(3)\n",
+ " 0 Name 2600 non-null object \n",
+ " 1 Networth 2600 non-null float64\n",
+ " 2 Age 2600 non-null int64 \n",
+ " 3 Country 2600 non-null object \n",
+ " 4 Source 2600 non-null object \n",
+ " 5 Industry 2600 non-null object \n",
+ "dtypes: float64(1), int64(1), object(4)\n",
"memory usage: 142.2+ KB\n",
"(2600, 6)\n"
]
@@ -67,15 +67,15 @@
" \n",
" \n",
" | \n",
- " Rank | \n",
" Name | \n",
" Networth | \n",
" Age | \n",
" Country | \n",
" Source | \n",
+ " Industry | \n",
"
\n",
" \n",
- " | Industry | \n",
+ " Rank | \n",
" | \n",
" | \n",
" | \n",
@@ -86,73 +86,73 @@
"
\n",
" \n",
" \n",
- " | Automotive | \n",
- " 1 | \n",
+ " 1 | \n",
" Elon Musk | \n",
" 219.0 | \n",
" 50 | \n",
" United States | \n",
" Tesla, SpaceX | \n",
+ " Automotive | \n",
"
\n",
" \n",
- " | Technology | \n",
- " 2 | \n",
+ " 2 | \n",
" Jeff Bezos | \n",
" 171.0 | \n",
" 58 | \n",
" United States | \n",
" Amazon | \n",
+ " Technology | \n",
"
\n",
" \n",
- " | Fashion & Retail | \n",
- " 3 | \n",
+ " 3 | \n",
" Bernard Arnault & family | \n",
" 158.0 | \n",
" 73 | \n",
" France | \n",
" LVMH | \n",
+ " Fashion & Retail | \n",
"
\n",
" \n",
- " | Technology | \n",
- " 4 | \n",
+ " 4 | \n",
" Bill Gates | \n",
" 129.0 | \n",
" 66 | \n",
" United States | \n",
" Microsoft | \n",
+ " Technology | \n",
"
\n",
" \n",
- " | Finance & Investments | \n",
- " 5 | \n",
+ " 5 | \n",
" Warren Buffett | \n",
" 118.0 | \n",
" 91 | \n",
" United States | \n",
" Berkshire Hathaway | \n",
+ " Finance & Investments | \n",
"
\n",
" \n",
"\n",
""
],
"text/plain": [
- " Rank Name Networth Age \\\n",
- "Industry \n",
- "Automotive 1 Elon Musk 219.0 50 \n",
- "Technology 2 Jeff Bezos 171.0 58 \n",
- "Fashion & Retail 3 Bernard Arnault & family 158.0 73 \n",
- "Technology 4 Bill Gates 129.0 66 \n",
- "Finance & Investments 5 Warren Buffett 118.0 91 \n",
+ " Name Networth Age Country \\\n",
+ "Rank \n",
+ "1 Elon Musk 219.0 50 United States \n",
+ "2 Jeff Bezos 171.0 58 United States \n",
+ "3 Bernard Arnault & family 158.0 73 France \n",
+ "4 Bill Gates 129.0 66 United States \n",
+ "5 Warren Buffett 118.0 91 United States \n",
"\n",
- " Country Source \n",
- "Industry \n",
- "Automotive United States Tesla, SpaceX \n",
- "Technology United States Amazon \n",
- "Fashion & Retail France LVMH \n",
- "Technology United States Microsoft \n",
- "Finance & Investments United States Berkshire Hathaway "
+ " Source Industry \n",
+ "Rank \n",
+ "1 Tesla, SpaceX Automotive \n",
+ "2 Amazon Technology \n",
+ "3 LVMH Fashion & Retail \n",
+ "4 Microsoft Technology \n",
+ "5 Berkshire Hathaway Finance & Investments "
]
},
- "execution_count": 3,
+ "execution_count": 8,
"metadata": {},
"output_type": "execute_result"
}
@@ -160,7 +160,7 @@
"source": [
"import pandas as pd\n",
"\n",
- "df = pd.read_csv(\"..//..//static//csv//Forbes Billionaires.csv\", index_col=\"Industry\")\n",
+ "df = pd.read_csv(\"..//..//static//csv//Forbes Billionaires.csv\", index_col=\"Rank\")\n",
"\n",
"df.info()\n",
"\n",
@@ -169,6 +169,52 @@
"df.head()"
]
},
+ {
+ "cell_type": "markdown",
+ "metadata": {},
+ "source": [
+ "2. Проблемная область\n",
+ "
\n",
+ "Анализ данных из списка миллиардеров Forbes позволяет не только понять текущее состояние богатства в мире, но и выявить более глубокие тенденции и паттерны, которые могут помочь в принятии бизнес-решений, понимании экономических процессов и определении направлений для дальнейших исследований. Эти данные могут быть основой для многочисленных статей, отчетов и аналитических исследований, что делает их ценными для широкого круга специалистов в различных областях."
+ ]
+ },
+ {
+ "cell_type": "markdown",
+ "metadata": {},
+ "source": [
+ "3. Анализ содержимого\n",
+ "
\n",
+ "\n",
+ "1. Объектами наблюдения являются миллиардеры.\n",
+ "2. В качестве атбирутов вредставлены: имя, величина богатства, возраст, страна, источник, индустрия\n",
+ "3. Связей между объектами нет"
+ ]
+ },
+ {
+ "cell_type": "markdown",
+ "metadata": {},
+ "source": [
+ "4. Бизнес-цели\n",
+ "
\n",
+ "1. Сравнив свой бизнес с другими успешными компаниями, основанными миллиардерами, можно извлечь ценные уроки о сильных сторонами и недостатках своей компании.\n",
+ "2. Анализируя, в каких секторах работают миллиардеры и какие компании они развивают, можно выявить растущие рынки и индустрии, в которые стоит инвестировать.\n"
+ ]
+ },
+ {
+ "cell_type": "markdown",
+ "metadata": {},
+ "source": [
+ "Привести примеры целей технического проекта для каждой выделенной ранее\n",
+ "бизнес-цели. Что поступает на вход, что является целевым признаком?\n"
+ ]
+ },
+ {
+ "cell_type": "code",
+ "execution_count": null,
+ "metadata": {},
+ "outputs": [],
+ "source": []
+ },
{
"cell_type": "markdown",
"metadata": {},
@@ -188,42 +234,29 @@
},
{
"cell_type": "code",
- "execution_count": 2,
+ "execution_count": 7,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
- "Survived 0\n",
- "Pclass 0\n",
- "Name 0\n",
- "Sex 0\n",
- "Age 177\n",
- "SibSp 0\n",
- "Parch 0\n",
- "Ticket 0\n",
- "Fare 0\n",
- "Cabin 687\n",
- "Embarked 2\n",
+ "Name 0\n",
+ "Networth 0\n",
+ "Age 0\n",
+ "Country 0\n",
+ "Source 0\n",
+ "Industry 0\n",
"dtype: int64\n",
"\n",
- "Survived False\n",
- "Pclass False\n",
"Name False\n",
- "Sex False\n",
- "Age True\n",
- "SibSp False\n",
- "Parch False\n",
- "Ticket False\n",
- "Fare False\n",
- "Cabin True\n",
- "Embarked True\n",
+ "Networth False\n",
+ "Age False\n",
+ "Country False\n",
+ "Source False\n",
+ "Industry False\n",
"dtype: bool\n",
- "\n",
- "Age процент пустых значений: %19.87\n",
- "Cabin процент пустых значений: %77.10\n",
- "Embarked процент пустых значений: %0.22\n"
+ "\n"
]
}
],