Анализ данных о погоде

Для анализа я выбрала данные о погоде, так как это актуальная тема на каждый день и было интересно посмотреть изменения погодных условий в разный промежуток времени и на разных территориях. Данные были взяты из открытых источников и содержат информацию об исторических данных о погоде для нескольких городов за последние несколько лет: изменения температуры, осадки, влажность,

Мне было интересно узнать данные о погоде, потому что погода влияет на многие аспекты жизни, включая сельское хозяйство, транспортную систему, а также здоровье и состояние людей.

Кроме того, данные могут быть полезны для метеорологов и исследователей.

Для визуализации данных я использовала диаграммы и графики, которые хорошо показывают информацию:

Линейные графики: для отображения изменения температуры и осадков по времени.

Гистограммы: для визуализации распределения температуры и влажности.

Тепловая карта: для отображения корреляции между различными параметрами погоды.

Для начала, чтобы создать визуализацию графиков мы настраиваем стиль, выбираем цветовую палитру. Я решила остановиться на оттенках голубого и синего, которые ассоциируются с небом, осадками и другими природными явлениями.

Я импортировала библиотеку kagglehub, которая позволяет мне взаимодействовать с Kaggle API для загрузки датасетов. Затем я использовала функцию kagglehub.dataset_download (), чтобы загрузить датасет «weather-dataset» от пользователя «muthuj7». Это сохранило файлы датасета в моей локальной директории, и я записала путь к этим файлам в переменную path. Я импортировала библиотеку kagglehub, которая позволяет мне взаимодействовать с Kaggle API для загрузки датасетов. Далее, я использовала функцию files.upload () из библиотеки google.colab, чтобы загрузить файл weatherHistory.csv в мою текущую рабочую среду (Google Colab).

Затем, я последовательно проверила, что файл weatherHistory.csv был успешно загружен, импортировала необходимые библиотеки, прочитала содержимое файла в формат pandas.DataFrame и вывела на печать начало этого датафрейма, чтобы ознакомиться с данными.

После чего, я последовательно обработала данные, создала новые столбцы, рассчитала различные статистики и корреляции, чтобы подготовить данные для дальнейшего более глубокого анализа и понимания погодных условий.

ГРАФИК № 1 представляет собой линейный график, отображающий среднюю температуру по месяцам

Такая визуализация может быть полезна для понимания климатических особенностей региона и выявления аномальных температурных значений, которые могут представлять интерес для дальнейшего анализа.

ГРАФИК № 2 представляет собой гистогамму, отображающий распределение температуры.

График позволяет визуально оценить распределение температур. Гистограмма показывает, как часто встречаются температуры в определенном диапазоне, а кривая плотности дает представление о форме распределения.

ГРАФИК № 3 представляет собой столбчатую диаграмму, отображающую информацию о количестве дне с осадками и их видом.Высота столбцов отображает, сколько дней в данном периоде наблюдались те или иные виды осадков.

ГРАФИК № 4 представляет собой стакированную столбчатую диаграмму, показывающую распределение осадков по месяцам и типам

Этот график позволяет визуально сравнить количество дней с различными типами осадков в каждом месяце. Высота столбцов отображает общее количество дней с осадками, а разбиение по цветам показывает, какие типы осадков преобладали в каждом месяце.