Original size 1140x1600

Анализ продукции компании по производству одежды Myntra

PROTECT STATUS: not protected

Вводная часть

Для анализа данных я решила выбрать наборы данных с сайта Kaggle.com. Я заинтересовалась темой одежды и выбрал базу данных, связанную с ассортиментом одежды, выпускаемой компанией Myntra.

big
Original size 1280x720

Логотип компании Myntra

Myntra — крупная индийская компания электронной коммерции в сфере моды со штаб-квартирой в Бангалоре, штат Карнатака, Индия.] Компания была основана в 2007 году для продажи персонализированных сувениров. В мае 2014 года Myntra.com была приобретена компанией Flipkart.

База данных

big
Original size 1420x383

Датасет на сайте Kaggle.com

Для визуализации данных я использовала библиотеки Seaborn и Matplotlib, для анализа данных использовались библиотеки Scikit-learn и scipy.stats. Это позволит создавать удобные и красивые графики, чтобы отразить зависимости между данными.

База данных состоит из 12491 строк и 8 колонок, каждая строчка соответствует продукту компании и имеет такие показатели, как — номер, название и бренд продукта, гендер, цену, кол-во картинок, описание и цвет.

Среда разработки

Для выполнения анализа данных будем использовать среду разработки Jupyter Notebook

Jupyter Notebook — это интерактивная веб-приложение, которое позволяет создавать и использовать «ноутбуки» (отсюда и название). В этих ноутбуках можно объединить исполняемый код, текстовые описания, визуализации и другие мультимедийные элементы. Jupyter Notebook поддерживает более 40 языков программирования, включая Python, R и Julia.

Анализ данных

Для начала подключаем библиотеки, вот столько у меня их получилось в конечном итоге

Original size 497x274

Код № 1

Нам необходимо загрузить датасет и написать код, который описывает основные статистические характеристики данных и предоставляет информацию о типах данных и количестве непустых значений. Это важный шаг для первоначального анализа и понимания структуры данных. Выполнение этих шагов помогает подготовить данные для дальнейшего анализа и визуализации.

Original size 592x252

Код № 2

Original size 380x313

Выдача кода № 2

Original size 679x387

Выдача кода № 2

Original size 655x769

Выдача кода № 2

Для удобства анализа, мы будем работать только с колонками ProductID, Gender, Price (INR), PrimaryColor.

Original size 695x89

Код № 3

Original size 374x67

Код № 4

Original size 494x583

Выдача кода № 4

Вычислим сколько всего гендеров бывает в базе данных и построим две круговые диаграммы: кол-во продуктов для каждого гендера и средняя цена продуктов для каждого гендера.

Original size 816x543

Код № 5

Получились две диаграммы, но хотелось бы их стилизовать, используем стиль Pitaya smoothie.

Original size 1118x507

Выдача кода № 5

Pitaya smoothie — профессиональная тема с тщательно подобранными цветами, вдохновленная модным цветом Pantone 2018 года.

Original size 1269x255

Пример светлой темы стиля

Original size 1269x255

Пример темной темы стиля

Original size 903x751

Код № 6

Теперь цвета на диаграммах выглядят поприятнее, но сами диаграммы не очень информативные, попробуем использовать другой вид диаграмм.

Анализ продукции компании по производству одежды Myntra
Софья Ульянова провела анализ данных о продукции компании Myntra, используя Python и библиотеки для визуализации и статистики. Проект включает построение моделей регрессии, диаграмм и статистических тестов на основе датасета с 12491 продуктом из индийской компании электронной коммерции.
Project description created with AI
Project created at 25.09.2024
More projects in artificial intelligence
Анастасия Герасимова провела анализ музыкальных альбомов Кендрика Ламара, используя данные из датасета с Kaggle. Проект включает визуализацию данных в виде линейных, точечных и контурных диаграмм для демонстрации статистики альбомов и треков.
Егор Шаевич проанализировал пассажиропоток общественного транспорта в Москве с использованием открытых данных. Проект включает круговые, столбчатые и линейные диаграммы, созданные на основе месячных статистических данных за несколько лет.
Тамара Дмитриенко провела исследование, анализирующее связь между поведением студентов и их успеваемостью во время экзаменов. Проект включает визуализацию данных с использованием столбчатых диаграмм, диаграмм «коробка с усами» и круговых диаграмм для наглядного представления результатов.
Тимофей Артеменко провел анализ данных стриминга Netflix, чтобы выявить тренды и особенности потребления контента на платформе. Проект включает визуализацию данных с использованием библиотек Matplotlib и SeaBorn, а также стилизацию графиков с помощью mplcyberpunk.
We use cookies to improve the operation of the HSE website and to enhance its usability. More detailed information on the use of cookies can be fou...
Show more