Введение:
В данном проекте исследуется, как менялась цена кроссовок бренда Nike с течением времени. Анализ проводится в контексте дизайна, используемых технологий и категорий моделей.
Кроссовки Nike являются не только спортивным продуктом, но и культурным феноменом, находящимся на пересечении дизайна, технологий и рынка. Изменение цен позволяет проследить, как трансформировалась ценность продукта и его позиционирование.
Данные:
Для анализа использован табличный датасет в формате CSV, содержащий информацию о моделях кроссовок Nike, годе выпуска, категории, используемых технологиях и цене.
Работа с данными выполнялась в среде Google Colab с использованием библиотеки Pandas.
Этапы работы:
Загрузка датасета в Google Colab.
Создание датафрейма и первичный анализ данных.
Группировка данных по годам, категориям и технологиям.
Расчёт средних значений цен.
Визуализация данных различными типами графиков.
Интерпретация полученных результатов.
1 — Картинка графика 2 — Короткий код (5–7 строк) 3 — Текстовое объяснение (2–3 предложения)
Средняя цена кроссовок Nike по годам
avg_price = df.groupby('year')['price_usd'].mean()
plt.plot(avg_price) plt.xlabel('Год') plt.ylabel('Цена (USD)')
Пояснение:
"Линейный график демонстрирует устойчивый рост средней цены кроссовок Nike с течением времени. Этот тренд может быть связан с развитием технологий, усложнением дизайна и изменением рыночного позиционирования бренда."
Распределение цен по категориям
df.boxplot(column='price_usd', by='category') plt.xlabel('Категория') plt.ylabel('Цена (USD)')
Пояснение:
"Boxplot показывает различия в ценах между категориями кроссовок (basketball, running, lifestyle). Спортивные категории в среднем имеют более высокий ценовой диапазон."
Средняя цена по технологиям
tech_price = df.groupby('technology')['price_usd'].mean() tech_price.plot(kind='bar')
Пояснение:
"График отражает влияние используемых технологий на стоимость моделей. Более сложные технологические решения связаны с более высокой средней ценой."
Связь года выпуска и цены
plt.scatter(df['year'], df['price_usd'], alpha=0.3) plt.xlabel('Год') plt.ylabel('Цена (USD)')
Пояснение:
"Диаграмма рассеяния иллюстрирует зависимость между годом выпуска и ценой модели. Более новые модели чаще находятся в более высоком ценовом диапазоне."
Топ-10 самых дорогих моделей Nike
top_models = ( df.groupby('model')['price_usd'] .mean() .sort_values(ascending=False) .head(10) )
top_models.plot(kind='bar')
Пояснение:
"График выделяет модели Nike с наибольшей средней ценой. Это позволяет определить ключевые силуэты, занимающие премиальное положение в линейке бренда."
Статистические методы:
В проекте использовались методы описательной статистики:
1)вычисление средних значений
2)группировка данных
3)анализ распределений
Также применялся визуальный анализ данных для выявления тенденций и закономерностей.
Выводы:
