python_analysis/second_semestr/pract3-2.py - main - Nik_voz/rgpu_python_analysis

python_analysis/second_semestr/pract3-2.py
118 строк4 KB
Nick-voz
another commit.
23 дек 2025, 17:37
23 дек 2025, 17:37e0763c4
import os

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from constants import Columns
from dotenv import load_dotenv
from scipy import stats

load_dotenv()

DATASET_PATH = os.environ.get("DATASET_PATH")
if DATASET_PATH is None:
    raise RuntimeWarning("DATASET_PATH not set")

data = pd.read_csv(DATASET_PATH, sep=";")


desc = data.describe(include=[np.number])
print("=== Describe (числовые признаки) ===")
print(desc)

score_cols = [
    Columns.AVERAGE_SALARY_FACT_AVG,
    Columns.AVERAGE_SALARY_NORM_AVG,
    Columns.AVERAGE_SALARY_FACT_MED,
]

scores = data[score_cols].dropna()
sum_scores = scores.sum(axis=1)

means = scores.mean()
print("\n=== Средние по выбранным колонкам  ===")
print(means)

best_exam = means.idxmax()
print("\nКолонка с наибольшим средним:", best_exam)

trimmed_mean_sum = stats.trim_mean(sum_scores, 0.1)  # усечение 10% с концов
print("\nУсечённое среднее суммы (10%):", trimmed_mean_sum)

modes = stats.mode(sum_scores)
print("\nМода(ы) суммы:", modes)

median_sum = np.median(sum_scores)
print("\nМедиана суммы:", median_sum)

std_sum = np.std(sum_scores, ddof=1)
print("\nСтандартное отклонение суммы (sample):", std_sum)

plt.figure(figsize=(8, 6))
plt.boxplot(sum_scores, vert=True, patch_artist=True)
plt.title("Boxplot: сумма трёх выбранных показателей ")
plt.ylabel("Сумма значений")
plt.grid(axis="y", linestyle=":", alpha=0.6)
plt.show()

# H0: прохождение курса подготовки не влияет на итоговую оценку.
# H1: влияет.
# если percent_combine_work_and_study > 0 — считаем, что выпускник совмещал работу и учёбу ,
# else — не совмещал.
# Сравниваем среднюю average_salary_fact_avg между группами.

grp_has = data[
    data[Columns.PERCENT_COMBINE_WORK_AND_STUDY].notna()
    & (data[Columns.PERCENT_COMBINE_WORK_AND_STUDY] > 0)
]
grp_no = data[
    data[Columns.PERCENT_COMBINE_WORK_AND_STUDY].notna()
    & (data[Columns.PERCENT_COMBINE_WORK_AND_STUDY] == 0)
]

x1 = grp_has[Columns.AVERAGE_SALARY_FACT_AVG].dropna()
x2 = grp_no[Columns.AVERAGE_SALARY_FACT_AVG].dropna()

t_stat, p_value = stats.ttest_ind(x1, x2, equal_var=False, nan_policy="omit")
alpha = 0.05
print(
    "\n=== t-test: влияние совмещения (proxy) на average_salary_fact_avg ==="
)
print("t-statistic:", t_stat, "p-value:", p_value)
if p_value < alpha:
    print("Отвергаем")
else:
    print("Нет оснований отвергнуть ")

# Гипотеза: нормированная средняя зарплата (average_salary_norm_avg) отличается между мужчинами и женщинами.
# H0: средние равны.
# H1: средние различаются.
male = data[(data[Columns.GENDER] == "Мужской")][
    Columns.AVERAGE_SALARY_NORM_AVG
].dropna()
female = data[(data[Columns.GENDER] == "Женский")][
    Columns.AVERAGE_SALARY_NORM_AVG
].dropna()
t_stat2, p_value2 = stats.ttest_ind(
    male, female, equal_var=False, nan_policy="omit"
)
print("\n=== различие нормированной зарплаты по полу ===")
print("t-statistic:", t_stat2, "p-value:", p_value2)
if p_value2 < alpha:
    print("Отвергаем")
else:
    print("Нет оснований отвергнуть")

plt.figure(figsize=(10, 6))
box_data = [
    data[Columns.AVERAGE_SALARY_FACT_AVG].dropna(),
    data[Columns.AVERAGE_SALARY_NORM_AVG].dropna(),
    data[Columns.AVERAGE_SALARY_FACT_MED].dropna(),
]
plt.boxplot(
    box_data, labels=["fact_avg", "norm_avg", "fact_med"], patch_artist=True
)
plt.title("Сравнение распределений: fact_avg, norm_avg, fact_med")
plt.ylabel("Значения")
plt.grid(axis="y", linestyle=":", alpha=0.6)
plt.show()