import pandas as pd import matplotlib.pyplot as plt import seaborn as sns df = pd.read_csv( 'flowers.csv',

from io import StringIO

Загрузка данных в pandas

df = pd.read_csv(StringIO(data))

Просмотр данных

print("✅ Данные загружены!") print(f"\n📊 Размер данных: {df.shape[0]} строк, {df.shape[1]} столбцов") print(f"\n📋 Названия столбцов:") print(df.columns.tolist())

print("\n🔍 Первые 5 строк:") print(df.head())

print("\n📈 Информация о данных:") print(df.info())

Круговая диаграмма для cut flowers

cut_flowers_counts = df['cut flowers'].value_counts() cut_flowers_counts.index = cut_flowers_counts.index.map({1: 'Используются как срезочные', 0: 'Не используются как срезочные'})

Цветовая палитра

colors = ["

69BE28", "

Настройка стиля

plt.rcParams.update({ 'font.size': 14, 'font.weight': 'bold', 'text.color': 'black' })

Построение диаграммы

plt.figure(figsize=(7, 7)) plt.pie(cut_flowers_counts, labels=cut_flowers_counts.index, autopct='%1.1f%%', colors=colors, startangle=90, wedgeprops={'edgecolor': 'black', 'linewidth': 1}, textprops={'color': 'black'})

plt.title("Соотношение цветов, используемых как срезочные", fontsize=14, fontweight='bold') plt.axis('equal') plt.tight_layout() plt.show()

Статистика

print(f"\n📊 Статистика:") print(f"Всего цветов: {len(df)}") print(f"Срезочные цветы: {cut_flowers_counts['Используются как срезочные']} ({cut_flowers_counts['Используются как срезочные']/len(df)*100:.1f}%)") print(f"Не срезочные: {cut_flowers_counts['Не используются как срезочные']} ({cut_flowers_counts['Не используются как срезочные']/len(df)*100:.1f}%)")

from io import StringIO

Загрузка данных

df = pd.read_csv(StringIO(data))

Фильтруем данные — оставляем только цветы, которые используются в парфюмерии (perfumes = 1)

df_perfume = df[df['perfumes'] == 1]

Проверяем, есть ли данные

if not df_perfume.empty:

# Преобразуем строковые диапазоны в числовые значения (берем среднее)
def convert_height(height_str):
    if '-' in str(height_str):
        low, high = height_str.split('-')
        return (float(low) + float(high)) / 2
    return float(height_str)

df_perfume['height (cm)_numeric'] = df_perfume['height (cm)'].apply(convert_height)

# Преобразуем longevity в числовые значения
def convert_longevity(longevity_str):
    if '-' in str(longevity_str):
        low, high = longevity_str.split('-')
        return (float(low) + float(high)) / 2
    return float(longevity_str)

df_perfume['longevity (years)_numeric'] = df_perfume['longevity (years)'].apply(convert_longevity)

# Цветовая палитра
colors = ["<h3>69BE28", "</h3>FEC2C8", "<h3>FFF6B3", "</h3>9F01D2", "#AEF0FF"]

# Создаем словарь цветов для разных оттенков
unique_colors = df_perfume['color'].unique()
color_map = {color: colors[i % len(colors)] for i, color in enumerate(unique_colors)}

# Строим точечный график с помощью matplotlib
plt.figure(figsize=(12, 8))

for color_type in unique_colors:
    subset = df_perfume[df_perfume['color'] == color_type]
    plt.scatter(subset['height (cm)_numeric'], 
               subset['longevity (years)_numeric'],
               c=color_map[color_type],
               label=color_type,
               s=100,
               alpha=0.8,
               edgecolor='black')

Улучшаем внешний вид

plt.grid(True, linestyle='--', alpha=0.7)
plt.legend(title="Цвет", bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()

# Отображаем график
plt.show()

# Выводим статистику
print(f"\n📊 Статистика:")
print(f"Всего цветов, используемых в парфюмерии: {len(df_perfume)}")
print(f"Средняя высота: {df_perfume['height (cm)_numeric'].mean():.1f} см")
print(f"Средняя продолжительность жизни: {df_perfume['longevity (years)_numeric'].mean():.1f} лет")
print(f"\n🌸 Цвета:")
print(df_perfume['color'].value_counts())

else: print("⚠️ В данных нет цветов, используемых в парфюмерии (perfumes = 1)")

Заголовок и подписи

plt.title("Зависимость продолжительности жизни от высоты цветов, используемых в парфюмерии 🌸", 
          fontsize=16, fontweight='bold')
plt.xlabel("Высота (см)", fontsize=14)
plt.ylabel("Продолжительность жизни (годы)", fontsize=14)

from io import StringIO

Загрузка данных

df = pd.read_csv(StringIO(data))

1. Выбираем топ-5 самых популярных климатических зон

top_5_climates = df['climate'].value_counts().head(5).index.tolist()

2. Фильтруем DataFrame по этим климатическим зонам

df_top = df[df['climate'].isin(top_5_climates)].copy()

3. Создаем столбец с текстовым обозначением использования в парфюмерии

df_top['perfumes_text'] = df_top['perfumes'].map({1: 'Используется в парфюмерии', 0: 'Не используется'})

4. Строим сводную таблицу: климат → использование в парфюмерии → количество цветов

pivot_df = df_top.groupby(['climate', 'perfumes_text']).size().unstack(fill_value=0)

5. Сортируем строки (климатические зоны) по популярности

pivot_df = pivot_df.loc[pivot_df.sum(axis=1).sort_values(ascending=False).index]

6. Создаем тепловую карту с помощью matplotlib (без seaborn)

fig, ax = plt.subplots(figsize=(10, 8))

Цветовая карта (от зеленого к розовому)

colors = ["

69BE28", "

FFF6B3", "

Создаем цветовую карту для тепловой карты

cmap = plt.cm.colors.ListedColormap(colors[:len(pivot_df.columns)])

Рисуем тепловую карту

im = ax.imshow(pivot_df.values, cmap=cmap, aspect='auto')

Настройка осей

ax.set_xticks(np.arange(len(pivot_df.columns))) ax.set_yticks(np.arange(len(pivot_df.index))) ax.set_xticklabels(pivot_df.columns, rotation=15, ha='right') ax.set_yticklabels(pivot_df.index)

Добавляем значения в ячейки

for i in range(len(pivot_df.index)): for j in range(len(pivot_df.columns)): text = ax.text(j, i, pivot_df.values[i, j], ha="center", va="center", color="black", fontweight='bold')

Настройка внешнего вида

ax.set_xlabel("Использование в парфюмерии", fontsize=12) ax.set_ylabel("Климатическая зона", fontsize=12) ax.set_title("Распределение использования в парфюмерии по климатическим зонам", fontsize=14, fontweight='bold')

Добавляем рамки между ячейками

for i in range(len(pivot_df.index) + 1): ax.axhline(i - 0.5, color='white', linewidth=2) for j in range(len(pivot_df.columns) + 1): ax.axvline(j - 0.5, color='white', linewidth=2)

plt.tight_layout() plt.show()

Выводим статистику

print("\n📊 Статистика:") print(f"Всего цветов в выборке: {len(df_top)}") print(f"\nТоп-5 климатических зон:") for i, climate in enumerate(top_5_climates, 1): count = df[df['climate'] == climate].shape[0] print(f"{i}. {climate}: {count} цветов")

print(f"\nРаспределение по климатическим зонам:") print(pivot_df)