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)