Исходный размер 1824x2624

Анализ жилых домов Москвы

1297

В этом проекте проанализирован датасет о жилых домах Москвы. Этот анализ помог узнать, как какие изменения в строительстве произошли со временем, как зависит количество лифтов от площади помещений дома и в каких районах Москвы искать самые старые жилые дома.

Исходный размер 3500x1245

Мудборд

Внешний вид графиков и стиль проекта в целом вдохновлен свечением окон в домах ночью, это как раз особенность жилых домов, и все они очень разные.

Исходный размер 3500x1500

Мудборд

В исследовании использованы данные с сайта Хаб открытых данных (hubofdata.ru). Датасет содержит информацию для каждого дома о том, в каком округе и районе города он находится, год постройки и ввода в эксплуатацию, площадь помещений, количество этажей, квартир, лифтов и некоторую другую информацию.

Для анализа применены такие данные, как количество этажей, год постройки, общая площадь и название района.

Данные представлены в виде гистограмм с разным масштабом, чтобы наглядно показать наименьшие и наибольшие значения, линейной диаграммы, чтобы увидеть изменение тренда и точечной диаграммы для отображения взаимосвязи данных.

Использование библиотек

В коде использованы библиотека pandas для работы с csv-файлом, matplotlib.pyplot для основной визуализации данных, seaborn для небольшой стилизации графика, matplotlib.colors для удобной работы с градиентной заливкой, matplotlib.patches для дополнительной стилизации столбцов.

Исходный размер 1920x1080

Обработка данных

В датасете на месте некоторых значений были нули, текстовые данные или пропуски, которые означали, что информация отсутствует. Поэтому ко всем использованным данным сначала была применена проверка, и, если необходимо, приведение к корректному типу и фильтрация по верхним или нижним значениям.

Исходный размер 1920x571

Сортировка или группировка, если это нужно для задачи.

0
1/2

Дополнительные настройки в тех задачах, где необходимо.

Исходный размер 1920x682

Далее — построение основы графика.

Исходный размер 1920x508

И подробная настройка внешнего вида графика — фон, оси, метки, значения, заливка и другая стилизация.

Исходный размер 1920x1509

Визуализация

0
1/3

Топ-10 районов Москвы с наибольшим количеством исторической застройки. Гистограмма

Гистограмма показывает топ-10 районов Москвы с наибольшим количеством зданий, построенных ранее 1900 года, так легко определить районы с интересным архитектурным наследием и узнать, где больше всего исторических жилых домов. На графике видно, что в Басманном районе примерно в 2 раза больше старых жилых домов, чем даже в Тверском. И действительно, в Басманном районе находится дом Ярошенко, построенный в середине 17 века, это старейший жилой дом Москвы!

0
1/4

Распределение домов по годам постройки. Гистограмма

На гистограмме можно увидеть, что есть значительный рост, начинающийся в послевоенные годы, когда экономика восстанавливалась, и около 1960 года, что совпало с реформой жилищного строительства и появлением «первой массовой серии» жилых домов, хрущевок.

0
1/3

Зависимость количества подъездов от общей площади. Точечная диаграмма

Количество подъездов увеличивается пропорционально общей площади помещений дома.

0
1/4

Средняя этажность по годам постройки. Линейный график

В распределении этажности по годам можно увидеть небольшие колебания (практически стабильность) до 1950-х годов и значительный рост во время советских жилищных реформ и массового строительства.

Описание применения генеративной модели

Для работы были использованы изображения, сгенерированные в Midjourney, чтобы подобрать референсы и проиллюстрировать тему исследования.

Промпты: night luminous window, illustration, black background --sref https://s.mj.run/MIwF33AsAxc --ar 1240:1773 night luminous window, illustration, black background --sref https://s.mj.run/MIwF33AsAxc --ar 7:3

Ссылка на модель: https://www.midjourney.com

Анализ жилых домов Москвы
Екатерина Гомзякова провела анализ датасета о жилых домах Москвы, чтобы выявить тенденции в строительстве и особенности районов города. Проект включает визуализацию данных с использованием графиков, вдохновленных ночным освещением окон, и основан на информации с сайта Хаб открытых данных.
Описание проекта сделано с помощью ИИ
1297
Проект создан 25.09.2024
Другие проекты c тегом искусственный интеллект
Диана Соловьева создала список из 50 лучших аниме по версии IMDB в формате исследования. Проект включает анализ возрастных ограничений и рейтингов, представленный в виде круговых, столбчатых и линейных диаграмм.
Екатерина Дементьева провела анализ данных о влиянии факторов на качество сна, используя различные типы графиков и матрицу корреляции. Проект включает в себя обработку данных о сне, физической активности, стрессе и весе, а также визуализацию результатов в виде диаграмм и графиков.
Никита Шадрин провёл анализ игр на Android, используя данные из датасета и блокнота, доступных по ссылке. В работе был создан код для первой диаграммы с помощью нейросети Chat GPT по запросу на создание круговой диаграммы в Python.
Айдар Насибуллин проанализировал 177 152 проекта школы дизайна, загруженных на сайт portfolio.hse.ru за несколько лет. Проект включает визуализацию трендов оценок, количества десяток и динамики загрузки работ студентами.
dafes
DAFES — платформа, объединяющая лучшие проекты и продукты экосистемы по направлениям design, art, fashion, education и startup. Внутри неё действует сообщество Deziiign, которое объединяет дизайнеров, художников, иллюстраторов и фотографов — профессионалов всех творческих направлений. Это пространство для демонстрации работ, обмена идеями и неординарными подходами, а также встреч с потенциальными заказчиками, исполнителями и па... Показать больше
design
art
fashion
education
startups
Мы используем файлы cookies для улучшения работы сайта и большего удобства его использования. Более подробную информац...
Показать больше