scripts/01_iris_template.py - task - urfu_itis_limits/code-review-101-desmitry

scripts/01_iris_template.py
111 строк5 KB
GitHub Actions
🔄 Auto-generate documentation and update files
18 ноя 2025, 15:03
18 ноя 2025, 15:03f357e20
"""
Задание 1: Анализ датасета Iris - ШАБЛОН
Цель: Загрузить датасет Iris, провести анализ целевой переменной и признаков

ЗАДАЧИ:
1. Загрузить данные в функции load_data()
2. Вывести информацию о целевой переменной в target_analysis()
3. Вычислить статистику признаков в feature_statistics()
4. Создать графики распределения целевой переменной в visualize_target()
5. Создать графики распределения признаков в visualize_features()
6. Создать графики признаков по видам цветков в features_by_target()
7. Вычислить матрицу корреляции в correlation_analysis()
"""

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.datasets import load_iris

# Установите русский язык для графиков
plt.rcParams['font.sans-serif'] = ['DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False


def load_data():
    """Загрузить датасет Iris и конвертировать в DataFrame"""
    # TODO: Загрузить данные с помощью load_iris()
    # TODO: Создать DataFrame с признаками и целевой переменной
    # TODO: Заменить числовые метки на названия видов
    pass


def target_analysis(df):
    """Анализ целевой переменной (видов цветков)"""
    # TODO: Вывести распределение видов цветков
    # TODO: Вывести процент от общего количества
    pass


def feature_statistics(df):
    """Вычислить статистику по признакам"""
    # TODO: Для каждого числового признака вычислить:
    # - Среднее, медиану, стандартное отклонение
    # - Минимум, максимум
    # - Квартили (25%, 50%, 75%)
    pass


def visualize_target(df):
    """Визуализировать распределение целевой переменной"""
    # TODO: Создать столбчатую диаграмму распределения видов
    # TODO: Создать круговую диаграмму с процентами
    # TODO: Сохранить как 01_iris_target_distribution.png
    pass


def visualize_features(df):
    """Визуализировать распределение признаков"""
    # TODO: Для каждого числового признака создать гистограмму
    # TODO: Расположить 4 графика в сетке 2x2
    # TODO: Сохранить как 01_iris_features_distribution.png
    pass


def features_by_target(df):
    """Визуализировать признаки в разрезе целевой переменной"""
    # TODO: Для каждого признака создать гистограмму с наложением для каждого вида
    # TODO: Использовать разные цвета для каждого вида
    # TODO: Сохранить как 01_iris_features_by_species.png
    pass


def correlation_analysis(df):
    """Анализ корреляций между признаками"""
    # TODO: Вычислить матрицу корреляции для числовых признаков
    # TODO: Вывести матрицу корреляции
    # TODO: Создать heatmap матрицы корреляции
    # TODO: Сохранить как 01_iris_correlation_matrix.png
    pass


def main():
    """Главная функция"""
    print("=" * 60)
    print("ЗАДАНИЕ 1: EXPLORATORY DATA ANALYSIS - IRIS DATASET")
    print("=" * 60)

    df = load_data()
    print(f"\nДатасет загружен. Размер: {df.shape}")
    print("\nПервые 5 строк:")
    print(df.head())

    target_analysis(df)
    feature_statistics(df)
    visualize_target(df)
    visualize_features(df)
    features_by_target(df)
    correlation_analysis(df)

    print("\n" + "=" * 60)
    print("Анализ завершен!")
    print("=" * 60)


if __name__ == "__main__":
    main()

# Последнее обновление: 2025-11-18 11:31:31

# Последнее обновление: 2025-11-18 12:03:27