Статья Автор: Рома Ихсанов

Проект

Итоговый проект

Анализ базы данных "Cars Fuel Efficiency Benchmark Edition"

Ихсанов Роман


Выбранный датасет (Cars Fuel Efficiency Benchmark Edition) в первую очередь предоставляет данные о поездке, в которой проводились измерения (дистанция, средняя скорость, время в поездке и модель машины). В самой поездке измерялся расход топлива, затраты на топливо и выбросы в атмосферу. 

Выбрал этот датасет для анализа потому что люблю гонки.



Благодаря этому простому коду мы узнаем некоторые параметры датасета:

Всего столбов: 27
Среди типов данных есть: bool, float64, int64, str.
Пропусков нет: в каждом столбце по 600 значений Non-Null. Всего строк: 600 (выяснили с помощью df.shape[0]). Следовательно если из 600 значений в каждом столбце все не пустые (Non-Null), то пустых значений в датасете нет вовсе.

Самыми показательными характеристиками для машин в этом датасете являются стоимость бензина в долларах за один километр поездки (cost_per_km_usd) и выбросы CO2 за один километр поездки в килограммах (co2_per_km), поэтому анализируем статистические значения для этих двух столбцов:
 
  Потраченное топливо за 1 км, кг Выбросы СО2 за 1 км поездки, кг
Среднее значение 0,08 0,16
Медианное значение 0,08 0,16
Максимальное значение 0,17 0,31
Минимальное значение 0,04 0,07


Далее методом меквартального размаха (IQR) находим границы нормальных значений и выбросов: ищем 25-ый и 75-ый процентили. По формуле Q1 - 1.5 * IQR (1,5 -- стандартный коэффициент для вычислений по этому методу) находим нижнюю границу, а соответственно по формуле Q3 + 1.5 * IQR находим верхнюю границу. В этих пределах лежат нормальные значения.

Пределы для данных по цене: [0.0224, 0.1353]
Пределы для данных по выбросам СО2: [0.0279, 0.2870]
В столбце с ценами 12 значений, не входящих в этот диапазон, а в столбце с выбросами СО2 таких значений 4.

Далее перейдем к графикам гистограммы и столбчатой диаграммы. Оба ранее анализируемых столбца имеют числовые значения, поэтому гистограмму по ним делать удобно, а вот столбчатый график -- нет. Столбчатой диаграмме подходят значения, которые можно разделить на четкие категории. Например, на марки машины или на тип топлива.Поэтому столбчатая диаграмма сделана для столбца "brand" (марка машины). Гистограмма же сделана для столбца с данными по выделению CO2.


Таким образом получаем два прекраснейших графика.


 

Следующий этап: формулировка гипотез

Гипотеза 1: Автомобили с гибридной силовой установкой имеют меньшую стоимость за км, чем бензиновые, так как часть мощности покрывается электрической составляющей двигателя, что уменьшает расход бензина и следовательно уменьшает затраты на бензин.

Гипотеза 2: Стоимость бензина на километр поездки положительно коррелирует со значением выбросов CO2, так как оба параметра зависят от того, насколько экономична (или наоборот неэкономична) машина в плане топлива.

Гипотеза 3: Распределение параметра стоимости за километр является правосторонним, так как для цены слева лимит устанавливает КПД, у которого также есть минимум, а вот использовать неэкономичные двигатели производителей законы физики не ограничивают.

Гипотеза 1:





Полученный график является диаграммой размаха и к тому же показывает медианное значение для обоих параметров. Смотря на график мы можем видеть, что значение стоимости для гибридных двигателей заметно меньше, => гипотеза подтвердилась. Это связано с тем, что обычно электромотор в гибридных автомобилях  берет на себя 30-50% мощности, следовательно в пробках или на малом газу он едет только на электрической составляющей и вовсе не расходует топливо.

Гипотеза 2:




На графике очевидно изображена положительная корреляция двух анализируемых параметров. К тому же нет никаких кластеров точек или выбивающихся "облаков", => гипотеза подтвердилась. Чем больше автомобиль расходует топлива, тем больше стоимость за километр поездки, и чем больше автомобиль расходует топлива, тем больше выбросы в атмосферу, что обосновывает корреляцию двух предлагаемых параметров.

Гипотеза 3




Мы видим правостороннее распределение, следовательно гипотеза подтвердилась. Это объясняется тем, что стоимость определяется КПД двигателя и отчасти другими характеристиками машины (по типу веса, но по нему данных у нас нет). У КПД есть нижняя возможная граница (он не может быть равен нулю или меньше нуля), и простые физические законы попросту ограничивают производителей от создания множества двигателей с более высоким КПД. Большинство авто конечно группируются около оптимума, но так как верхней границы нет, то конечно будет множество дорогих единичных "выбросов".

Доп. гипотеза
"Предполагаю, что авто класса Luxury потребляют больше топлива чем SUV/Sedan/Hatchback, так как тем, кто покупает Luxury не так важна экономичность"
 




Гипотеза подтвердилась =))
Автопроизводители правда считают, что для авто класса Luxury не так важна экономичность, так как те, кто могут их себе позволить, скорее всего не будут волноваться о стоимости топлива.

Выводы
Все три гипотезы (и еще доп. гипотеза) подтвердились, хотя при этом для полноценного исследования третьей гипотезы требуется больше данных по таким характеристкиам машины как вес.
Загрузка...
Чтобы оставить комментарий, необходимо авторизоваться
💬
Пока нет комментариев. Будьте первым!
Печать