Анализ книжной литературы

В своём проекте я решила сосредоточиться на теме, которая мне действительно близка, — книгах и читательском восприятии литературы. Мне всегда было интересно, почему одни книги становятся культовыми и годами удерживаются в рейтингах, а другие быстро исчезают из поля внимания, несмотря на популярность в момент выхода. Именно этот вопрос и стал отправной точкой для анализа.

Основой проекта стал датасет с информацией о книгах и их рейтингах на Kaggle. В нём собраны данные о годах публикации, жанрах, средних оценках, количестве читателей и активности авторов. Эти данные позволяют посмотреть на литературу как на систему, в которой пересекаются вкус аудитории, время, жанровые тренды и масштаб популярности.

Инструменты: Kagglehub, Pandas, Matplotlib, Matplotlib.font_manager, Google Colab , NumPy

Цвета для визуализаций я взяла из уже сложившегося визуального настроения проекта. Хотелось создать ощущение спокойного, «книжного» пространства, но при этом не уходить совсем в эстетику нюанса.

Для удобства все цвета были собраны в палитру Adobe Color. Шрифтовое решение Merriweather.

В процессе исследования были задействованы разные аналитические методы. В первом графике использовались:

• Ранжирование и отбор экстремальных значений. Использовались для формирования топ-10 книг по рейтингу Goodreads (с учётом количества оценок) и для определения лучших книг каждого года. Это позволило выделить наиболее высоко оценённые произведения и снизить влияние случайных высоких оценок при малом числе отзывов.

• Взвешенный визуальный анализ. Реализован через диаграммы с изменяемым размером маркеров, где размер точки отражал количество пользовательских оценок. Такой подход позволил одновременно учитывать как качество (рейтинг), так и массовость восприятия книги.

По оси X отображён рейтинг, а размер точки показывает количество оценок. Видно, что высокий рейтинг не всегда означает массовую популярность: одни книги имеют много оценок и стабильно высокие баллы, другие — меньшую аудиторию, но очень высокое читательское одобрение. В топе представлены разные жанры, от фэнтези до документальной прозы, что показывает, что высокий рейтинг возможен независимо от жанра.

Во втором графике использовались:

• Временной анализ (time series analysis). Применён для изучения динамики литературных рейтингов и жанровых предпочтений во времени. Это позволило выявить долгосрочные изменения в структуре популярных книг и оценить устойчивость высоких рейтингов.

• Структурный жанровый анализ. Выполнен путём агрегации и нормализации жанровых данных, что позволило рассчитать доли жанров среди наиболее популярных книг каждого года и визуализировать «жанровую ДНК» литературного рынка.

Видно, что в разные периоды доминировали разные жанры: в 1980–1990-х заметную долю занимают художественная литература, юмор и комиксы, тогда как с конца 2000-х годов резко растёт влияние фэнтези и подростковая литература. Жанры детский графический роман появляются волнообразно, отражая смену поколений читателей и трендов. Большая доля категории другие подчёркивает жанровое разнообразие и то, что популярная литература не сводится к ограниченному набору направлений.

Во третьем графике использовались:

• Агрегация по авторам и многомерный сравнительный анализ. Использовались для расчёта средних рейтингов, количества книг в топе и совокупного числа читателей для авторов. Это позволило оценить «литературный вес» авторов с учётом сразу нескольких показателей.

• Логарифмическое масштабирование. Применялось при визуализации суммарного числа читателей авторов для корректного отображения значений, сильно различающихся по порядкам величины.

Размер пузыря отражает суммарное число читателей, поэтому крупные точки указывают на авторов с максимальным охватом аудитории. Видно, что такие авторы, как Стивен Кинг и Терри Пратчетт, выделяются большим количеством книг и огромной читательской базой, даже при среднем рейтинге около 4.0–4.2. В то же время авторы с более высокими рейтингами, например Илона Эндрюс или Нил Гейман, часто имеют меньше книг в топе, но при этом сохраняют сильную и лояльную аудиторию. График показывает, что литературное влияние формируется не только за счёт высоких оценок, но и за счёт объёма работ и масштаба читательского интереса.

Во четвёртом графике использовались:

• Сравнительный анализ распределений внутри выборки. Реализован через сопоставление рейтинга лучшей книги года (Top-1) и медианного рейтинга топ-100 книг. Такой подход позволил оценить разрыв между литературной «элитой» и более широким кругом успешных произведений.

• Временной сравнительный анализ агрегированных показателей. Реализован через сочетание методов группировки данных, агрегации и визуализации. Это позволяет увидеть не только то, как менялись оценки книг, но и насколько «элитная» книга года отрывалась от других успешных произведений (ширина закрашенной области).

Видим, что лучшие книги стабильно получают значительно более высокие оценки — в среднем около 4.6–4.8, тогда как медианный рейтинг топ-100 держится на уровне около 4.0–4.2. Это подчёркивает разрыв между «литературной элитой» и массово популярными книгами. При этом со временем медианный рейтинг топ-100 постепенно растёт, что может говорить о повышении общего качества популярных книг или изменении читательских критериев оценки.

Анализ данных показал, что популярная литература представляет собой сложную систему, в которой высокий рейтинг и массовая популярность не всегда совпадают. Лучшие книги года стабильно получают более высокие оценки, однако самые читаемые произведения часто имеют более средний рейтинг, что подчёркивает разницу между качественным признанием и широким успехом. Жанровый анализ выявил заметные сдвиги во времени: если в 1980–1990-е годы доминировали художественная литература, юмор и комиксы, то с конца 2000-х годов лидирующие позиции заняли фэнтези и подростковые. Эти жанры формируют основную часть читательской активности и отражают влияние современных медиа и серийного формата. Анализ авторов показал, что литературное влияние может строиться по-разному: одни авторы достигают его за счёт большого количества книг и широкой аудитории, другие — благодаря высоким рейтингам и лояльным читателям.