Почему именно автомобили?
Нефтяные кризисы 1973/1979 изменили автопром. Кадиллаки 8.0л V8 vs японские экономы. 398 машин показывают как Detroit → Toyota: кризис → downsizing → японский импорт. Экономика топлива в цифрах.
Данные и источники
Я выбрал встроенный датасет Seaborn 'mpg' — 398 автомобилей 1970-1982 гг.: mpg (мили на галлон), cylinders, displacement (объём двигателя), horsepower, weight, acceleration, model_year, origin (USA, Europe, Japan). Классика анализа — данные эпохи нефтяных кризисов.
График 1: Распределение расхода топлива
Объяснение: Этот код строит гистограмму распределения расхода топлива ('mpg') с наложенной KDE-кривой и линией среднего.
Анализ с историческим контекстом
Бимодальное распределение — два пика: ~12-15 MPG (американские "прожорливые" muscle cars 70-х) и ~25-30 MPG (японские компакты после кризиса 1973). Среднее 23.4 MPG — эпоха перехода. KDE-кривая показывает "до/после кризиса".
График 2: Расход по странам производителей
Объяснение: тот код группирует данные по столбцу 'origin' (страна-производитель), вычисляет статистику по 'mpg' и строит столбчатую диаграмму со средними значениями и полосами ошибок.
Группировка данных origin_mpg = df.groupby('origin')['mpg'].agg(['mean', 'count', 'std']) создает DataFrame с группировкой по 'origin'. Вычисляет среднее ('mean'), количество наблюдений ('count') и стандартное отклонение ('std') для 'mpg' в каждой группе.
Столбчатая диаграмма plt.bar(origin_mpg.index, origin_mpg['mean'], yerr=origin_mpg['std']) рисует бары, где:
origin_mpg.index — категории по оси X (страны).
origin_mpg['mean'] — высота баров (средние MPG).
yerr=origin_mpg['std'] — вертикальные полосы ошибок на основе стандартного отклонения.
Анализ с экономическим контекстом
Japan 30 MPG vs USA 16 MPG! Япония захватывает рынок после кризиса 1973 ($4/галлон бензина). Europe 26 MPG — Mercedes экономили раньше. USA кризис: Detroit делал V8 400+ куб.дюймов для шоссе, пока Toyota → Civic 1.5л. Разрыв 14 MPG = $2млрд японского экспорта
График 3: Объём двигателя vs MPG (с весом)
Объяснение: Этот код создает диаграмму рассеяния между рабочим объемом двигателя ('displacement') и расходом топлива ('mpg'), где цвет точек кодирует массу автомобиля ('weight'), и добавляет линейную трендовую линию.
Диаграмма рассеяния plt.scatter(df['displacement'], df['mpg'], c=df['weight'], cmap='viridis') строит scatter plot:
X: 'displacement' (объем двигателя).
Y: 'mpg' (расход топлива).
Цвет точек: по значениям 'weight' с цветовой картой 'viridis' (от желтого к фиолетовому).
Линейная регрессия z = np.polyfit(df['displacement'], df['mpg'], 1) вычисляет коэффициенты линейной модели (степень 1) методом наименьших квадратов. z[0] ≈ -0.037 (наклон), z[1] ≈ 38.0 (пересечение с Y).
Трендовая линия plt.plot(..., label=f'Тренд: y = -0.037x + 38.0') рисует линию тренда (вероятно, plt.plot(df['displacement'], np.polyval(z, df['displacement'])...) для показа отрицательной связи между объемом и расходом.
Анализ с историческим контекстом
Чёткая отрицательная корреляция (-0.037): 8л двигатель = 12 MPG, 2л = 30 MPG. Цвет = вес: тяжёлые → жрут больше. 1973 кризис: "downsizing" — Cadillac 500 куб.дюймов → 350. Жёлтый тренд = физика + экономика.
График 4: Эволюция MPG по годам
Объяснение: Этот код добавляет текстовую аннотацию на график с меткой "Первый нефтяной кризис" в точке с координатами (73, ...)
Анализ с историческим контекстом
Резкий рост 1973-1975 (+6 MPG)! Нефтяной кризис 1973 (арабское эмбарго) → бензин $0.55→$1.10/галлон → CAFE стандарты (27.5 MPG к 1985). Пик 1980 — второй кризис. Стрелка показывает turning point автопром
График 5: Цилиндры vs MPG
