Почему вино? Я люблю красное вино, и поэтому мне интересно проанализировать именно эти данные
Что сначала делаем? Считываем данные и ознакамливаемся с распределением/аномалиями
Для чего мы все это делаем? Хочу понять, от каких физико-химических признаков зависит качество вина, чтобы приходя в магазин и смотря на этикетку очередного зелья, выбрать самую крутую бутылочку для счастливого и вкусного вечера под какой-нибудь сериальчик.
Как стилизованы графики? Я анализирую именно красные вина, поэтому во всех графиках присутствуют бордово-красные оттенки
В наборе данных 1599 объектов и 12 признаков. Описание каждого признака:
Fixed acidity: Фиксированная кислотность Большинство кислот, присутствующих в вине, являются фиксированными или неволатильными (не испаряются легко). Volatile acidity: Летучая кислотность Количество уксусной кислоты в вине, которая при слишком высоких уровнях может привести к неприятному вкусу уксуса. Citric acid: Лимонная кислота Находится в небольших количествах, может добавлять "свежесть" и аромат в вина. Residual sugar: Остаточный сахар Количество сахара, оставшегося после окончания ферментации; редко встречаются вина с менее чем 1 граммом/литром, а вина с более чем 45 граммами/литром считаются сладкими. Chlorides: Хлориды Количество соли в вине. Free sulfur dioxide: Свободный диоксид серы Свободная форма SO2 находится в равновесии между молекулярным SO2 (в виде растворенного газа) и ионом бисульфита; предотвращает размножение микроорганизмов и окисление вина.
Total sulfur dioxide: Общий диоксид серы Количество свободной и связанной формы SO2; при низких концентрациях SO2 в вине практически не обнаруживается, но при концентрациях свободного SO2 свыше 50 ppm, SO2 становится заметным по запаху и вкусу вина. Density: Плотность Плотность воды близка к плотности вина, в зависимости от содержания процента алкоголя и сахара. pH: Уровень pH Описывает кислотность или щелочность вина на шкале от 0 (очень кислотное) до 14 (очень щелочное); большинство вин находятся в диапазоне 3-4 на шкале pH. Sulphates: Сульфаты Добавка к вину, которая может способствовать уровню диоксида серы (SO2), который действует как антимикробное и антиоксидантное вещество. Alcohol: Алкоголь процентное содержание алкоголя в вине. Quality: Качество выходная переменная (на основе сенсорных данных, оценка от 0 до 10).
Коэффициент корреляции
Может можно понять что от чего зависит сразу же? Конечно да! Так как все характеристики числовые можно посмотреть на зависимости между их значениями. Можно очень просто отследить линейную зависимость (пример: чем больше содержание алкоголя тем больше содержание сульфатов). Это называется корелляция.
Между какими признаками наблюдается линейная зависимость (корреляция)?
Для вычисления коэффициента корреляции между каждой парой признаков можно воспользоваться функцией corr() в pandas. Результатом будет матрица корреляций, в которой каждый элемент показывает коэффициент корреляции между соответствующими признаками. Можно визуализировать матрицу корреляций в виде тепловой карты с помощью библиотеки seaborn.
Таким образом, делаем следующие выводы:
- Сильные линейные зависимости отсутствуют.
- Между (fixed acidity и pH) (volatile acidity и citric acid) (volatile acidity и quality) (citric acid и pH) (density и pH) (density и alcohol) имеются слабые отрицательные линейные зависимости.
- Между (fixed acidity и citric acid) (fixed acidity и density) (сitric acid и density) (сitric acid и sulphates) (residual sugar и density) (chlorides и sulphates) (free sulfur dioxide и total sulfur dioxide) (alcohol и quality) имеются слабые положительные линейные зависимости.
- Между остальными парами признаков линейные зависимости отсутствуют.
Анализ признаков
Приступаем к более детальному анализу. Пройдемся по каждому признаку. Хочется понять, как он распределен по данным (нагляднее всего с помощью гистограммы распределения). Я сделала ее стакающейся, чтобы можно было наглядно отследить количество вин разного качества для каждого значения признака.
Справа так же представлен другой взгляд на те же самые распределения в виде точечного графика, более детально отращающий различные вариации качества вина в зависимости от значения признака. По нему можно попытаться отследить линейную зависимость качества (значение коэффициента которой приводилось в тепловой карте выше). Она поможет для формирования выводов.
Распределение веществ в вине
Изучив различные варианты графиков библиотеки pyplot, я увидела тот, который наглядно покажет вина разного качества со стороны их состава. Это круговые диаграммы? Но как же быть, если вин разного качества у нас так много. Все просто. Группируем все вина по качеству. На итоговых диаграммах порцентное содержание каждого признака будет усреднено, что покажет нам эталенный состав (написанный на этикетке) вина качества 3, 4, 5 ...
Так как содержание некоторых веществ в винах может быть кране малым, я решила вынести признаки на расстояние при помощи метода параметра explode.
