Анализ индийской кухни

Индийская культура всегда вызывала у меня интерес, особенно её кулинарные традиции, которые отражают богатство и разнообразие страны. Чтобы глубже изучить эту тему, я решила проанализировать датасет, посвящённый индийской кухне. Моя цель — исследовать состав блюд, выявить популярные ингредиенты и их сочетания, а также понять, как региональные особенности влияют на вкусовые профили. Этот анализ позволит не только систематизировать знания об индийской кухне, но и сделать практические выводы, которые могут быть полезны для любителей кулинарии и культурных исследований.

Мой интерес к индийской кухне не только теоретический, но и личный. В детстве я провела два месяца в Индии, и это время оставило яркие воспоминания, особенно связанные с местной едой. Я до сих пор помню вкус бананового и мангового ласси, а также множество других блюд, которые поразили меня своим разнообразием и насыщенностью вкусов. Этот опыт вдохновил меня на более глубокое изучение индийской кулинарной культуры через анализ датасета. Датасет я нашла на сайте Kaggle.

Чтобы передать атмосферу и эстетику, которую я ассоциирую с Индией, я решила оформить визуализации в тёплой цветовой палитре, напоминающей о специях, солнце и традиционных тканях. На графики я наложила текстуры, имитирующие пергамент, ткань и другие натуральные материалы, чтобы добавить аутентичности и визуальной глубины. Для текста был выбран шрифт Alegreya, который, на мой взгляд, идеально сочетает в себе восточную эстетику и современную лаконичность. Его поддержка как латиницы, так и кириллицы делает его универсальным инструментом для оформления.

Я начала с установки необходимых библиотек, таких как pandas, matplotlib, seaborn и wordcloud, чтобы обеспечить инструменты для анализа и визуализации данных. Затем я импортировала эти библиотеки и настроила пользовательский шрифт Alegreya. По ходу работы шрифт не хотел устанавливаться, поэтому я обратилась к DeepSeek с просьбой "исправить код для шрифта", и он заработал.

После этого я загрузила датасет indian_food.csv и провела предварительную обработку данных, заменив пропущенные значения и удалив строки с отсутствующими ключевыми данными. Я также отфильтровала данные, чтобы сосредоточиться на релевантной информации, исключив ненужные регионы и значения, так как заметила в выбранном мной датасете значение "-1" во многих строчках.

Этот график показывает отношение вегетарианских блюд к невегетарианским. Для визуализации я выбрала круговую диаграмму, так как она отлично подходит для отображения пропорций и позволяет наглядно сравнить доли разных категорий. Я настроила размер графика и цвета, используя заранее определённую палитру new_colors. Также я задала параметры фона, чтобы он был светлым. В коде я начала с очистки данных, удалив строки, где в столбце 'diet' указано значение '-1', чтобы избавиться от некорректных или пропущенных записей (для точности анализа). Затем я подсчитала количество блюд для каждого типа диеты с помощью метода value_counts(), чтобы понять, сколько блюд являются вегетарианскими, а сколько — нет.

В итоге, график наглядно показывает, что вегетарианские блюда занимают большую часть индийской кухни, что соответствует культурным и религиозным традициям Индии. Из почти трёх сотен только около 40 блюд являются мясными. Вот некоторые из них: Курица Тикка - готовится согласно данным около трёх часов в качестве первого блюда. В готовке используется курица, цельнозерновой хлеб, рисовая мука, порошок гарам масала, цельное яйцо. Колим Джавла - рыбное блюдо, основное, в готовке используется баинган, рыба, кокосовое масло, свежий кокос, имбирь.

Я решила использовать столбчатую диаграмму с накоплением для визуализации распределения вегетарианских и невегетарианских блюд по регионам, так как этот тип графика позволяет наглядно сравнить доли разных категорий в рамках каждого региона.

В коде я начала с настройки параметров графика, задав размер фигуры и цвет фона, чтобы визуализация выглядела гармонично. Затем я использовала библиотеку seaborn для создания столбчатой диаграммы с накоплением. Для этого я разделила данные на две части: невегетарианские блюда отображаются нижним слоем столбцов, а вегетарианские — верхним, что позволяет сразу увидеть соотношение между ними в каждом регионе. Цвета для столбцов я выбрала из заранее определённой палитры.Также я попросила DeepSeek "убрать лишние линии" с помощью sns.despine() и "настроить отступы, чтобы график выглядел аккуратно."

На основе этой визуализации можно сделать вывод, что вегетарианские блюда преобладают в большинстве регионов Индии, что отражает культурные и религиозные традиции страны, что уже было выявлено выше. Однако в некоторых регионах доля невегетарианских блюд значительно выше, что может быть связано с преобладанием других религий, таких как христианство, или, например, буддизм (которые на самом деле очень мало распространены в отличие от индуизма и ислама).

Далее я выбрала облако слов для визуализации наиболее часто используемых ингредиентов в индийской кухне, так как этот тип графика позволяет наглядно отобразить популярность ингредиентов через их размер. Мне этот вид визуализации нравится больше всех.

В коде я начала с объединения всех ингредиентов из датасета в одну строку, чтобы затем подсчитать частоту их использования с помощью Counter. Это позволило мне создать словарь, где ключами являются ингредиенты, а значениями — их количество. Затем я использовала библиотеку WordCloud для создания облака слов, настроив его размер, цвет фона и цветовую схему. Я выбрала цветовую палитру "plasma", т. к. она наиболее совместима цветами с моей изначальной палитрой.

Для отображения облака слов я использовала matplotlib, задав размер фигуры и убрав оси, чтобы сосредоточить внимание на визуализации.

Как видно по облаку, индийцы особенно часто используют сахар и имбирь при готовке. По данным датасета также очевидно, что вкусовой профиль у большинства блюд - острый и сладкий. Также есть и другие популярные ингредиенты, например, Гарам масала, смесь особых специй, широко применяется в кулинарии. Гхи можно считать просто топлёным маслом. А Урад Дал - крупа, по-другому - чёрный маш.

Наиболее интересные замеченные мной ингредиенты - банановый цветок, африканское просо, масло сосны Кевра.