Work–Life Balance and Longevity

Датасет:

Источник:

Задача:

Что я хочу получить в конце:

1. гистограмма распределения возраста смерти
2. boxplot по профессиям
3. scatter (сон vs возраст смерти) + тренд
4. тепловая карта корреляций
5. stacked bar: средние часы (работа/отдых/сон/спорт) по профессиям
6. «цена часа работы»: как меняется ожидаемый возраст смерти при +1 часу работы
7. кластеризация образов жизни (режимы работы/сна)

Что лежит в таблице Ключевые поля:

1. gender — пол
2. occupation_type — тип профессии
3. avg_work_hours_per_day, avg_rest_hours_per_day, avg_sleep_hours_per_day, avg_exercise_hours_per_day — средние часы в день
4. age_at_death — возраст смерти

Проверяю:

1. пропуски
2. дубликаты
3. «правило суток»: сумма часов должна быть около 24

Дальше сделаю две версии данных:

1. df — исходная таблица
2. df_clean — строки, где сумма часов близка к 24

Описательная статистика, чтобы понять диапазоны и типичные значения.

Корреляция Пирсона быстро показывает линейную связь между числовыми признаками.

t-test для сравнения двух групп (по полу). Проверяет, отличается ли средний age_at_death у двух групп.

ANOVA для сравнения нескольких групп (по профессиям). Проверяет, есть ли различия в среднем age_at_death между профессиями.

Полиномиальная регрессия (2-й степени) применяется для моделирования нелинейных зависимостей (например, между продолжительностью сна или рабочими часами и возрастом смерти).

Кластеризация K-means применяется для выделения устойчивых режимов образа жизни на основе времени работы и сна

Для визуализации я использую только возможности Matplotlib: фон, линии, шрифт и сетку. Все параметры оформления задаются кодом, без постобработки.

При выборе стиля я опиралась на эстетику business punk, связанную с темой корпоративной среды, регламента и контроля. Такой визуальный язык хорошо подходит к данным о работе и распределении времени.

В качестве визуальных ориентиров использовались игра The Stanley Parable и сериал «Разделение» (Severance) — образы офисной среды, где работа становится замкнутой системой.

Ниже — несколько разных типов графиков. Я строю их на df_clean, чтобы сумма часов была близка к 24.