Protein
Введение
2025 год стал настоящим «протеиновым бумом». Белок и белковые добавки перестали считаться рационом профессиональных атлетов и превратились в тренд, часть массовой культуры питания.
Продукты, на упаковке которых есть надпись 'high-protein' (от батончиков до мороженого) стали одними из самых востребованных на рынке. У потребителей они ассоциируются не только с ростом мышц, но и с долгим чувством сытости, контролем веса, поддержанием формы, здоровья. Некоторые же употребляют белок, чтобы просто «оставаться в тренде».
Белковая пища помогает во многом. Но какое количество будет правильным? Дать ответ сложно, потому что потребности у всех разные.
Задача проекта — проанализировать данные о популярных высокобелковых продуктах, построить несколько наглядных графиков и стать справочником-помощником при выборе плана питания. Например, исследование поможет лучше понять:
— сколько белка в разных продуктах — сравнить их между собой — быстрее подобрать варианты для своего рациона или под свои цели (например, для похудения или набора массы).
Также хотелось бы показать, что помимо таких готовых решений, как смеси или батончики, есть натуральные и разнообразные источники белка — мясо, рыба, творог и т. д.
Я взяла датасет с Kaggle, в котором собрана информация о 60 продуктах, их кбжу (калорийности, белках, жирах и углеводов), а также о категориях и типах диет. Выбранный датасет хорошо подошёл для цели работы, так как в нём есть и числовые данные для расчётов, и категории для группировки.
Процесс
Начало работы.
После импорта я начала настройку общего стиля и палитры для всех графиков: зелёно-бежевые оттенки ассоциируются со здоровым питанием, самим белком.
процесс загрузки и изучения данных:
Завершив описательную статистику, приступила к визуализации данных.
Визуализация данных
Для создания первого графика была выбрана горизонтальная столбчатая диаграмма с топ-15 продуктов по содержанию белка. Горизонтальный формат делает чтение названий проще. Цветовая кодировка по категориям помогает сразу увидеть, к примеру, что среди лидеров много видов мяса и рыбы.
Второй график — круговая диаграмма с распределением по типам диет, позволяющая оценить пропорции. Она показывает, какая доля продуктов подходит для мясоедов, вегетарианцев и веганов.
код для круговой диаграммы
«График рассеяния» использовался для выявления связи между калорийностью и белком. Хотелось проверить гипотезу многих людей: правда ли, что чем калорийнее еда, тем больше в ней белка. Дополнительно я добавила линию тренда и отметила тунец, у которого лучшее соотношение белка к энергетической ценности.
код к диаграмме рассеивания
Четвёртый график — гистограмма распределения белка. Она показывает, какое содержание белка встречается чаще всего среди этих продуктов. Добавленные линии среднего и медианы дают понять, где «центр» данных.
гистограмма / код
Статистические методы
Для анализа были использованы описательная статистика, группировка данных по категориям, построение линейной регрессии, корреляционная матрица и некоторые другие методы.
Итог
Анализ данных и наглядные сравнения помогли мне по-новому взглянуть на своё ежедневное меню и внести в него полезные изменения. Надеюсь, что проект станет таким же полезным помощником и для вас.
Описание применения генеративной модели: ИИ (Krea, https://www.krea.ai/app) был использован для создания обложки проекта. Промпт: A stark, overhead (top-down) shot on a concrete gray table. A large, white minimalist plate is cleanly divided into four quadrants, like a lab experiment. Each quadrant contains one perfectly arranged, monochromatic protein source: grilled white fish fillet (flaky white), poached chicken breast (pale beige), extra-firm tofu cubes (off-white), and a single unwrapped protein bar cut into precise geometric segments (tan). No seasoning, no sauce, no garnish. The lighting is even and clinical, highlighting texture over appetite. (+ иллюстратор для изменения цвета фона)
Ссылка на блокнот с кодом и датасет: https://disk.360.yandex.ru/d/ndvXwPAo57n2xw
