Проект посвящён анализу структуры питания в разных странах мира и визуальному исследованию различий в рационе.
Концепция
В проекте используется открытый датасет FAOSTAT — Food Balance Sheets. Он содержит информацию о потреблении различных категорий продуктов питания в пересчёте на килограммы на человека в год для разных стран и лет.
Меня заинтересовала эта тема, потому что структура питания напрямую связана с культурными, экономическими и климатическими особенностями стран, а также отражает уровень благосостояния населения.
Визуальный стиль
шрифтTT-Frantz-A
Палитра #EF9191, #F3A66E, #D3B56F, #70C490, #8ACDD5, #CDA0CB.
Цели и задачи
Цель исследования: Изучить различия в структуре питания между странами и выявить общие глобальные тенденции.
Задачи: — очистить и подготовить данные к анализу — преобразовать данные в удобный для визуализации формат — построить несколько типов графиков — проанализировать долю животной пищи в рационе
Этапы работы с данными
- Данные были загружены в формате CSV
- Отфильтрованы показатели потребления пищи (kg/capita/yr)
- Выбраны ключевые продуктовые группы
- Таблица была преобразована из широкого формата в длинный (melt)
- Построена сводная таблица (pivot_table)
- Рассчитаны производные показатели: — общее потребление — потребление животной пищи — доля животной пищи в рационе
Анализ данных
Перед работой с данными я импортировала все нужные библиотеки:
Pandas — для работы с данными Matplotlib. pyplot — для визуализации данных Numpy — для математических операций
Скачивание и распаковка FAOSTAT ZIP
Загрузка CSV и подготовка данных
Графики
Bar chart — Топ 10 стран по потреблению мяса
Столбчатая диаграмма используется для сравнения стран между собой. Она позволяет наглядно увидеть лидеров по потреблению мяса на душу населения.
Pie chart — Структура рациона топ страны
Круговая диаграмма показывает распределение продуктовых групп в рационе страны с самым высоким потреблением мяса.
Histogram — Распределение доли животной пищи
Гистограмма демонстрирует, как распределяется доля животной пищи в рационе по всем странам. Это помогает понять, является ли высокое потребление животных продуктов нормой или исключением.
Scatter — Total Food vs Animal Food Share Связь общего потребления и доли животной пищи
Точечная диаграмма используется для поиска взаимосвязи между общим объёмом потребляемой пищи и долей животной пищи в рационе.
Line chart — Динамика потребления мяса в мире
Линейный график отражает изменение среднего мирового потребления мяса по годам. Он помогает выявить долгосрочные тренды.
Radar chart — Портрет рациона топ страны
Радарная диаграмма используется для визуального «портрета» рациона одной страны, показывая баланс между разными категориями продуктов.
Статистические методы
В работе применялись следующие методы анализа данных: — агрегирование данных (groupby) — вычисление средних значений — расчёт относительных показателей (доли) — сводные таблицы (pivot_table) — описательная статистика
Использование ИИ
В процессе работы использовалась генеративная модель ChatGPT для: — помощи в написании кода на Python — объяснения ошибок и предупреждений — структурирования анализа и текстов для презентации
Модель: ChatGPT (OpenAI) Ссылка: https://chat.openai.com
Заключение
Анализ показал, что структура питания существенно различается между странами. Страны с высоким уровнем дохода, как правило, имеют более высокую долю животной пищи, в то время как в других регионах основу рациона составляют растительные продукты.
Визуализация данных позволила сделать эти различия наглядными и понятными.
