Анализ данных Fragile States Index (FSI) за 2014 год

Проект посвящён анализу данных Fragile States Index (FSI) за 2014 год, отражающих политическую, экономическую и социальную устойчивость стран. С помощью Python проведена обработка данных и визуализация ключевых показателей: сравнительный анализ наиболее нестабильных государств, оценка вклада различных групп факторов в общий индекс, а также детальный разбор индикаторов на уровне отдельной страны. Проект наглядно демонстрирует комплексный характер государственной нестабильности и позволяет выявить главные источники рисков.

import pandas as pd import matplotlib.pyplot as plt import numpy as np

plt.rcParams.update({ "figure.facecolor": "black", "axes.facecolor": "black", "axes.edgecolor": "white", "axes.labelcolor": "white", "xtick.color": "white", "ytick.color": "white", "text.color": "white", "grid.color": "white", "legend.facecolor": "black", "legend.edgecolor": "white" })

FILE = "fsi-2014.xlsx"

df = pd.read_excel(FILE) df["Year"] = pd.to_datetime(df["Year"]).dt.year country = "South Sudan" row = df[df["Country"] == country].iloc[0]

indicators = [c for c in df.columns if ":" in c] values = row[indicators].values

plt.figure(figsize=(14, 5)) plt.bar(indicators, values, color="white") plt.xticks(rotation=75) plt.ylabel("Score") plt.title(f"FSI Indicators — {country} (2014)") plt.grid(axis="y", linestyle="--", alpha=0.5) plt.tight_layout() plt.show()

import pandas as pd import matplotlib.pyplot as plt import numpy as np

plt.rcParams.update({ "figure.facecolor": "black", "axes.facecolor": "black", "axes.edgecolor": "white", "axes.labelcolor": "white", "xtick.color": "white", "ytick.color": "white", "text.color": "white", "grid.color": "white", "legend.facecolor": "black", "legend.edgecolor": "white" })

FILE = "fsi-2014.xlsx"

df = pd.read_excel(FILE) df["Year"] = pd.to_datetime(df["Year"]).dt.year

factors = { "Cohesion": [ "C1: Security Apparatus", "C2: Factionalized Elites", "C3: Group Grievance", ], "Economic": [ "E1: Economy", "E2: Economic Inequality", "E3: Human Flight and Brain Drain", ], "Political": [ "P1: State Legitimacy", "P2: Public Services", "P3: Human Rights", ], "Social": [ "S1: Demographic Pressures", "S2: Refugees and IDPs", ], "External": [ "X1: External Intervention", ], }

group_scores = {g: df[cols].mean().sum() for g, cols in factors.items()}

plt.figure(figsize=(7, 7)) plt.pie( group_scores.values(), labels=group_scores.keys(), autopct="%1.1f%%", startangle=90, textprops={"color": "white"}, wedgeprops={"edgecolor": "white"} ) plt.title("Average Contribution of Factor Groups (FSI 2014)") plt.tight_layout() plt.show()

import pandas as pd import matplotlib.pyplot as plt import numpy as np

plt.rcParams.update({ "figure.facecolor": "black", "axes.facecolor": "black", "axes.edgecolor": "white", "axes.labelcolor": "white", "xtick.color": "white", "ytick.color": "white", "text.color": "white", "grid.color": "white", "legend.facecolor": "black", "legend.edgecolor": "white" })

FILE = "fsi-2014.xlsx"

df = pd.read_excel(FILE) df["Year"] = pd.to_datetime(df["Year"]).dt.year

top10 = df.sort_values("Total", ascending=False).head(10)

plt.figure(figsize=(12, 6)) plt.barh(top10["Country"], top10["Total"], color="white") plt.xlabel("Fragile States Index (Total Score)") plt.title("Top 10 Most Fragile States (FSI 2014)") plt.gca().invert_yaxis() plt.grid(axis="x", linestyle="--", alpha=0.5) plt.tight_layout() plt.show()

Анализ показывает, что высокая государственная хрупкость возникает под воздействием сочетания политических, экономических и социальных факторов, а не одного отдельного показателя. Наиболее нестабильные страны одновременно демонстрируют высокие значения по показателям безопасности, легитимности власти и социального напряжения. Это подтверждает системный характер кризисов государственной устойчивости и подчёркивает важность комплексного подхода к их оценке и предотвращению.