Original size 576x768

Анализ «World University Rankings»

PROTECT STATUS: not protected

Введение и обоснование выбора данных

Для выполнения данного анализа я выбрала датасет «World University Rankings» с Kaggle. Этот датасет содержит информацию о рейтингах университетов по всему миру, включая такие параметры, как академическая репутация, репутация среди работодателей, соотношение студентов и преподавателей, количество иностранных студентов и преподавателей и другие.

Обоснование выбора данных:

  1. Высшее образование является важным аспектом развития общества, и анализ данных о рейтингах университетов может дать интересные инсайты о факторах, влияющих на качество образования.
  2. Датасет содержит множество параметров, которые можно анализировать, такие как академическая репутация, репутация среди работодателей, соотношение студентов и преподавателей, и другие.
  3. Данные охватывают университеты по всему миру, что позволяет провести многофакторный анализ на глобальном уровне.

Этапы анализ

  1. Загрузка данных
  2. Предварительный анализ и очистка данных
  3. Выбор параметров для отслеживания
  4. Визуализация данных с использованием Pandas и Matplotlib/Seaborn
  5. Развернутые выводы по каждому графику

Загрузка данных

In []:

import pandas as pd

(Загрузка данных) df = pd.read_csv ('/content/cwurData.csv')

(Вывод первых 10 значений) print ('Вывод первых 10 значений') print (df.head (10))

(Вывод последних 10 значений) print ('Вывод последних 10 значений') print (df.tail (10))

(Предварительный анализ) print ('Предварительный анализ') print (df.info ()) print (df.describe ())

Очистка данных

In []:

(Очистка данных) df.dropna (inplace=True) df.drop_duplicates (inplace=True)

(Вывод первых 10 значений после очистки) print ('Вывод первых 10 значений после очистки') print (df.head (10))

(Вывод последних 10 значений после очистки) print ('Вывод последних 10 значений после очистки') print (df.tail (10))

Выбор параметров для отслеживания

Для анализа выберем следующие параметры:

  1. Академическая репутация (Quality of Education)
  2. Репутация среди работодателей (Alumni Employment)
  3. Соотношение студентов и преподавателей (Quality of Faculty)
  4. Количество публикаций (Publications)
  5. Количество цитирований (Citations)

Визуализация данных

Академическая репутация по университетам

In []:

import matplotlib.pyplot as plt import seaborn as sns

(Настройка стиля) sns.set_style («whitegrid»)

(Фильтрация данных по топ-университетам) top_universities = df.nsmallest (50, 'quality_of_faculty')

(Линейный график академической репутации по университетам) plt.figure (figsize=(12, 8)) sns.lineplot (x='institution', y='quality_of_education', data=top_universities, marker='o', palette='tab10') plt.title ('Top 10 Universities by Quality of Education', fontsize=20, fontweight='bold', color='darkblue') plt.xlabel ('University', fontsize=14, fontweight='bold', color='darkgreen') plt.ylabel ('Quality of Education', fontsize=14, fontweight='bold', color='darkgreen') plt.xticks (rotation=45) plt.tight_layout () plt.show ()

Original size 1280x833

Вывод по графику академической репутации

График показывает:

  1. Гарвардский университет и Массачусетский технологический институт лидируют по академической репутации.
  2. Оксфордский университет и Кембриджский университет также занимают высокие позиции.
  3. Академическая репутация распределяется среди различных университетов мира, что подчеркивает глобальный характер высшего образования.

Репутация среди работодателей по университетам

In []:

(Бар-график репутации среди работодателей по университетам) plt.figure (figsize=(12, 8)) sns.barplot (x='institution', y='alumni_employment', data=top_universities, palette='coolwarm') plt.title ('Top 10 Universities by Alumni Employment', fontsize=20, fontweight='bold', color='darkblue') plt.xlabel ('University', fontsize=14, fontweight='bold', color='darkgreen') plt.ylabel ('Alumni Employment', fontsize=14, fontweight='bold', color='darkgreen') plt.xticks (rotation=45, fontsize=12, fontweight='bold') plt.yticks (fontsize=12, fontweight='bold') plt.tight_layout () plt.show ()

Original size 1280x852

Вывод по графику репутации среди работодателей

График показывает:

  1. Массачусетский технологический институт и Стэнфордский университет имеют высокую репутацию среди работодателей.
  2. Гарвардский университет и Оксфордский университет также высоко оцениваются работодателями.
  3. Репутация среди работодателей является важным фактором для студентов при выборе университета.

Соотношение студентов и преподавателей по университетам

In []:

(Box Plot соотношения студентов и преподавателей по университетам) plt.figure (figsize=(12, 8)) sns.boxplot (x='institution', y='quality_of_faculty', data=top_universities, palette='coolwarm') plt.title ('Top 10 Universities by Quality of Faculty', fontsize=20, fontweight='bold', color='darkblue') plt.xlabel ('University', fontsize=14, fontweight='bold', color='darkgreen') plt.ylabel ('Quality of Faculty', fontsize=14, fontweight='bold', color='darkgreen') plt.xticks (rotation=45, fontsize=12, fontweight='bold') plt.yticks (fontsize=12, fontweight='bold') plt.tight_layout () plt.show ()

Original size 1280x838

Вывод по графику соотношения студентов и преподавателей

График показывает:

  1. Массачусетский технологический институт и Калифорнийский технологический институт имеют низкое соотношение студентов и преподавателей, что свидетельствует о более индивидуальном подходе к обучению.
  2. Гарвардский университет и Стэнфордский университет также показывают хорошие результаты по этому показателю.
  3. Низкое соотношение студентов и преподавателей может быть индикатором высокого качества образования.

Количество публикаций по университетам

In []:

(Бар-график количества публикаций по университетам) plt.figure (figsize=(12, 8)) sns.barplot (x='institution', y='publications', data=top_universities, palette='coolwarm') plt.title ('Top 10 Universities by Number of Publications', fontsize=20, fontweight='bold', color='darkblue') plt.xlabel ('University', fontsize=14, fontweight='bold', color='darkgreen') plt.ylabel ('Number of Publications', fontsize=14, fontweight='bold', color='darkgreen') plt.xticks (rotation=45, fontsize=12, fontweight='bold') plt.yticks (fontsize=12, fontweight='bold') plt.tight_layout () plt.show ()

Original size 1280x847

Вывод по графику количества публикаций

Анализ «World University Rankings»
Мария Елютина провела анализ датасета "World University Rankings" из Kaggle, чтобы изучить факторы, влияющие на качество высшего образования. Проект включает визуализацию данных с использованием Pandas, Matplotlib и Seaborn, а также интерпретацию результатов по ключевым параметрам рейтингов университетов.
Project description created with AI
Project created at 25.09.2024
More projects in artificial intelligence
Дарья Любивая провела анализ данных о сне и образе жизни, используя набор информации с Kaggle. Проект включает визуализацию результатов в виде круговых диаграмм и столбцовых графиков с применением стилизации через ChatGPT.
Ксения Левковская проанализировала смертность от огнестрельных ранений в США за 2012–2014 годы, используя данные из открытых источников. Проект включает интерактивные графики, созданные с помощью Python и стилизованные для визуального представления социальных и демографических факторов.
Елизавета Войсковская провела анализ статистики разработки игр, используя данные о платформах, стоимости и издателях. Проект включает графики, построенные на основе открытых данных из репозитория GitHub, с акцентом на сравнение затрат и популярность платформ.
Екатерина Шарфунова создала набор данных, отслеживающий эволюцию трендов в графическом дизайне с 1950 по 2024 год. Проект включает визуализацию в виде линейного графика, столбчатой диаграммы и круговой диаграммы, демонстрирующих изменения в цветах, стилях и ключевых словах.
We use cookies to improve the operation of the HSE website and to enhance its usability. More detailed information on the use of cookies can be fou...
Show more