Какие данные были проанализированы
Поиск данных производился по Kaggle — сайту соревнований для специалистов по Data Science. Я обнаружила открытый датасет полиции Лос-Анджелеса (LAPD Crime Data from 2020 to Present), объёмoм в сотни тысяч инцидентов, зафиксированных с 2020 года. Ссылка: https://www.kaggle.com/datasets/samithsachidanandan/crime-data-from-2020-to-present?resour
Меня заинтересовало, как меняется уровень преступности в мегаполисе. Эти данные — отражение социальной напряжённости, изменений в жизни города, реакции людей и властей.
Я хотела узнать следующее: — Кто чаще становится жертвой — мужчины или женщины? — Есть ли разница в возрасте жертв по полу? — Где (в каких районах) происходит больше всего преступлений? — Как изменялась динамика преступности во времени?
Эта тема показалась мне особенно значимой, поскольку анализируя изменения в уровне преступности, можно выявить закономерности и тенденции, которые могут помочь в прогнозировании и предотвращении преступлений.
Стиль
Вдохновением послужило кино в стиле нуар, графика криминальных сериалов (True Detective, Mindhunter) и эстетика полицейских досье и баз данных. Тёмная ночная тема с ярко-красными акцентами (визуальный стиль, напоминающий киберпанк-эстетику) показалась мне самым подходящим стилевым решением.
Цветовая палитра (HEX-коды): фон графиков (axes.facecolor) – #000000 (чёрный); фон фигуры (figure.facecolor) – #000000 (чёрный); цвет текста, осей и подписей (text.color, axes.labelcolor, xtick.color, ytick.color) – #FF0000 (ярко-красный); основной цвет графиков и акцентных элементов (линии графика, столбцы, заливка областей) – #FF0000(красный); цвета сегментов круговой диаграммы (pie chart) – #FF9999 и #FF4D4D (два оттенка красного для разных категорий); цветовая шкала тепловой карты (heatmap) – палитра “Reds” (градиент от почти белого #FFF5F0 до тёмно-красного #67000D).
Так, выбор цветовой палитры пал на красный (оттенки крови, тревоги, энергии) и черный. Черный в основном использовался как фон, красный же как акцентный цвет.
В качестве шрифта я решила оставить простой, минималистичный шрифт DejaVu Sans, чтобы графики смотрелись читабельно и аккуратно.
Этапы работы
Импорт библиотек и настройка стиля
На этом этапе подключаются основные библиотеки для анализа данных и визуализации: pandas, numpy, matplotlib, seaborn и другие. Также устанавливается стиль оформления графиков (например, тема Seaborn), чтобы все визуализации выглядели единообразно.
Преобразование возраста жертвы
На этом этапе значения возраста приводится к числовому типу и удаляются пропущенные значения.
Отбор и чистка ключевых столбцов
Здесь отбираются только нужные переменные, а из них удаляются строки с пропущенными значениями.
График 1 — Линейный: количество преступлений во времени
На этом этапе идет построение первого графика - линейного, в котором показано количество преступлений по времени. Преобразуется столбец даты в формат datetime, группируются данные по дате и строится линейный график.
График 2 — Тепловая карта: район и пол жертвы
Тут код для построения второго графика - тепловой карты с информацией о районе и поле жертвы. Группируются данные по району и полу жертвы и отображаются как тепловая карта (heatmap) с цветовой шкалой.
Violin plot: возраст жертв по полу
На этом этапе визуализируется распределение возраста жертв среди мужчин и женщин. Используется график-«скрипка» (violinplot), который одновременно показывает медиану, плотность и диапазон возрастов.
Настройка визуального стиля в киберпанк-эстетике
На этом этапе я решила визуально выделить свой проект, отказавшись от стандартных светлых тем и привычной стилистики графиков. Я выбрала тёмный фон (черный) и яркие красные акценты, вдохновившись эстетикой киберпанка, нуар-фильмов и криминальных сериалов вроде Mindhunter и True Detective.
Моей целью было сделать графики не только информативными, но и выразительными, атмосферными, визуально связанными с темой преступности. Для этого я использовала настройки matplotlib, задав глобальные параметры, которые автоматически применяются ко всем графикам в проекте.
