Статья Автор: Лебедев Дмитрий Алексеевич

Сириус. Визуализация данных

Дан csv-файл (user_statistics.csv) с таблицей user_statistics, содержащей некоторые характеристики, рассчитанные для учеников образовательной платформы. Таблица содержит следующие колонки:

«user_id» — идентификатор ученика на платформе.
«age» — возраст ученика.
«avg_session_time» — среднее время пользовательской сессии для ученика.
«avg_tries_cnt» — среднее число попыток на решение задачи.
«avg_progress» — средний прогресс ученика в курсах.

Схема таблицы выглядит следующим образом:

Колонка	Тип данных	Пропуски	Первичный ключ
user_id	Целое число	False	True
age	Целое число	False	False
avg_session_time	Вещественное число	True	False
avg_tries_cnt	Вещественное число	True	False
avg_progress	Вещественное число	True	False

В рамках следующих заданий вам будет необходимо провести исследование распределений характеристик, представленных в этой таблице.

Задание 9.

Постройте с помощью seaborn графики распределения характеристик, представленных в таблице user_statistics, и соотнесите характеристики с их графиками распределения, которые представлены ниже (без указания значений по оси X).

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
def graf_out(df, column):
  sns.histplot(df[column],binwidth=1)
  #plt.xticks(range(0,100,10))
  print(df[column].max())
  plt.show()
fname = 'user_statistics.csv'
df = pd.read_csv(fname)
col_names = list(df.columns)
name_col = col_names[int(input())]
graf_out(df, name_col)
print(name_col)

С помощью pandas и seaborn постройте тепловую карту, по оси X которой будут отложены сгруппированные значения характеристики avg_session_time, а по оси Y — сгруппированные значения характеристики age. В ячейках тепловой карты должно храниться количество учеников, попавших в пересечение соответствующих групп.

Группы по характеристике avg_session_time предполагаются следующие:

Значения из диапазона [0; 10].
Значения из диапазона (10; 40].
Значения из диапазона (40; +∞).

Группы по характеристике age предполагаются следующие:

Значения из диапазона [0; 20].
Значения из диапазона (20; 35].
Значения из диапазона (35; +∞).

Рекомендации по решению

В pandas есть функция cut, которая позволяет создать новую колонку, полученную в результате разбиения заданной колонки на некоторые диапазоны значений.

Ниже приведён пример кода, который создаст в таблице user_data колонку age_bin. В колонке для каждого пользователя хранится информация о том, к какой возрастной группе из перечисленных выше он относится:

user_data['age_bin'] = (pd.cut(
    # Колонка, значения в которой необходимо разбить на диапазоны.
    user_data['age'],
    # Задание диапазонов. Запись [a, b, c] соответствует диапазонам (a; b], (b; c].
    [0, 20, 35, float('inf')],  
    # Флаг, который означает, что в первый диапазон будет включена левая граница.
    include_lowest=True,
    # Названия диапазонов в том виде, в котором они будут записаны в новую колонку.
    labels=['0–20', '20–35', '> 35'])
# Приведение названий диапазонов к строковому виду.
.astype('str'))

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
def graf_out(df, column):
  sns.histplot(df[column],binwidth=1)
  #plt.xticks(range(0,100,10))
  print(df[column].max())
  plt.show()
fname = 'user_statistics.csv'
df = pd.read_csv(fname)
b_age, lb_age = [0,20,35, float('inf')], ['0-20','20-35','>35']
df['age_bin'] = pd.cut(df['age'], b_age,include_lowest=True,labels = lb_age).astype(str)
b_avg_st, lb_avg_st = [0,10,40, float('inf')], ['0-10','10-40','>40']
df['avg_st_bin'] = pd.cut(df['avg_session_time'], b_avg_st,include_lowest=True,labels = lb_avg_st).astype(str)
print(df)

Attached files
user_statistics.csv

Печать