Вкус качества: как география, цена и профили формируют лучший кофе

В этом проекте я выбрала для анализа датасет, посвящённый оценке сортов кофе, данные "Coffee Reviews Dataset" я нашла на платформе Kaggle. Датасет включает информацию о более чем 2000 сортах кофе: от страны происхождения и стиля обжарки до текстового описания вкуса, цены за 100 грамм и итоговой экспертной оценки в баллах. Эти данные были найдены в открытом доступе в формате CSV, подготовленном для анализа. Кофе, как объект исследования, представляет собой не только повседневный напиток, но и глобальный культурный феномен, тесно связанный с географией, климатом, рынками справедливой торговли и гастрономическим вкусом. Интерес к этой теме обусловлен как личной заинтересованностью, так и стремлением понять, как складывается восприятие «качества» в такой субъективной области, как вкусовая оценка.

Для ответа на этот вопрос я использую визуальный анализ данных. Я выбрала следующие виды графиков:

1. Фасетная гистограмма оценок по годам — для анализа распределения оценок с 2017 по 2022 годы и выявления динамики доли высокооценённых сортов (рейтинг ≥94), чтобы понять эволюцию качества кофе.
2. Боксплот стилей обжарки по годам — для изучения связи стилей обжарки (светлая, средняя, тёмная) с оценками и их изменений во времени, чтобы оценить влияние обжарки на восприятие качества.
3. Тепловая карта вкусовых категорий по странам — для визуализации частоты вкусовых профилей (фруктовый, шоколадный, цветочный, ореховый, пряный) в топ-10 странах, чтобы выявить географические вкусовые паттерны.
4. Диаграмма рассеяния цены vs. оценки — для проверки, влияет ли цена за 100 грамм на экспертные оценки, с цветовой кодировкой по странам, чтобы понять экономическую ценность качества.
5. Облако слов из описаний высокооценённых сортов — для анализа лексики, используемой в описаниях сортов с рейтингом ≥94, чтобы выявить доминирующие вкусовые термины и паттерны в кофейной критике.

Таким образом, моя цель — не просто визуализировать данные, а использовать визуализацию как инструмент для постановки и частичного решения аналитической задачи. Это позволит продвинуться в понимании того, как формируется восприятие качества кофе в индустрии, где субъективные и объективные критерии тесно переплетены.

Цель фасетной гистограммы оценок по годам с выделением высокооценённых сортов — проанализировать, как распределение оценок (rating) в датасете coffee_analysis.csv менялось со временем, и выявить динамику доли премиальных сортов, которые мы сами определяем как сорта с рейтингом ≥94. Я извлекаю год из колонки review_date и создаём столбец is_high_rated (рейтинг ≥94), чтобы подсчитать долю таких сортов и ответить на вопрос: как эволюционировало качество кофе в выборке Coffee Review? Визуализация помогает понять, растёт ли средняя оценка и доля премиальных сортов, что может быть связано с развитием индустрии specialty coffee, появлением новых регионов или методов обработки (например, анаэробной ферментации). Порог ≥94 для премиальных сортов выбран нами на основе стандартов кофейной индустрии, где такие оценки ассоциируются с исключительным качеством (например, сорта Geisha). Эта визуализация закладывает основу для дальнейшего анализа влияния факторов, таких как страна происхождения или стиль обжарки, на высокие оценки.

Фасетная гистограмма выбрана, потому что она позволяет одновременно отобразить распределение оценок для каждого года, обеспечивая наглядное сравнение их формы и центральной тенденции (например, смещение к более высоким оценкам). В отличие от простой гистограммы, которая показывает только общее распределение, фасетная структура добавляет временной контекст, позволяя выявить тренды, такие как рост качества или стандартизация оценок. Мы решили не усложнять форму визуализации (например, избегали тепловых карт или скрипичных диаграмм), сосредоточившись на содержательности: аннотации с долей премиальных сортов (≥94) в каждом году подчёркивают их значимость без перегрузки графика. Порог ≥94, определённый нами как индикатор премиальности, отражен в аннотациях, что делает визуализацию логичной и целенаправленной для исследования эволюции качества кофе.

Анализ фасетной гистограммы и предоставленной статистики по годам (2017–2022) показывает, что качество кофе в выборке Coffee Review демонстрирует умеренный рост, с увеличением средней оценки и доли премиальных сортов (рейтинг ≥94) в более поздние годы. Средняя оценка колеблется в диапазоне 92.93–93.33, с заметным повышением с 92.93 в 2019 году до 93.33 в 2022 году, что указывает на постепенное улучшение воспринимаемого качества. Доля высокооценённых сортов, определённых нами как премиальные (≥94), варьируется от 33.0% в 2019 году до максимума 45.5% в 2021 году, с небольшим снижением до 45.1% в 2022 году. Это говорит о том, что в 2020–2022 годах в выборку включалось больше исключительных сортов, возможно, из-за роста популярности экзотических регионов (например, Эфиопии или Панамы), новых методов обработки (таких как анаэробная ферментация) или повышения стандартов оценки в индустрии specialty coffee.

Однако снижение доли высокооценённых сортов в 2018–2019 годах (с 38.2% до 33.0%) может указывать на временное ужесточение критериев Coffee Review или меньшее количество премиальных сортов в эти годы. В целом, тренд роста доли сортов ≥94 в 2020–2022 годах подтверждает гипотезу о развитии рынка высококачественного кофе. Для дальнейшего анализа стоит исследовать, какие факторы (страна происхождения, стиль обжарки или цена) связаны с увеличением премиальных сортов, особенно в 2021–2022 годах. Например, можно проверить, связан ли рост оценок с популярностью светлой обжарки или сортов, таких как Geisha. Эта визуализация заложила основу для таких исследований, показав, что качество кофе в выборке улучшается, но требует углублённого изучения причин этого тренда.

Целью данной визуализации является проанализировать, как стиль обжарки влияет на итоговую оценку кофе, и меняется ли это влияние с течением времени. Это позволит понять, существует ли устойчивая связь между технологическими параметрами (обжаркой) и качеством, а также проследить возможные тренды и смещения вкусов индустрии в разные годы.

Ящик с усами позволяет сравнить распределения оценок внутри каждой категории (обжарки) за разные годы, выявить медианные значения, разброс, выбросы и тенденции с течением времени. Это особенно важно для визуализации вариативности вкуса и оценки, а не только средних значений.

Независимо от года, кофе со средней обжаркой чаще всего получает более высокие и стабильные оценки, что может говорить о сбалансированности вкуса и предпочтении этого стиля среди дегустаторов. Тёмнообжаренные сорта демонстрируют не только меньшую медиану, но и более широкий разброс оценок. Это может быть связано с поляризованным восприятием: часть дегустаторов оценивает насыщенный вкус и «дымные» ноты высоко, другие — снижают оценку за потерю тонких вкусовых. В ряде лет можно заметить общее повышение медианы оценок, что может указывать как на улучшение качества представленных образцов, так и на изменение критериев оценки. Особенно интересен период, в котором оценки тёмной обжарки начинают «догонять» светлую — возможно, речь идёт о технологических улучшениях или изменении вкусовой моды. Светлая обжарка показывает умеренные оценки с относительно узким разбросом, но редко занимает лидирующую позицию. Это может указывать на нишевую популярность и стабильное качество, но меньший вау-эффект по сравнению со средней обжаркой.

Цель тепловой карты — визуализировать связь между странами происхождения (origin_1) и субъективными вкусовыми характеристиками кофе, извлечёнными из описаний (desc_1, desc_2, desc_3), чтобы выявить, какие вкусовые категории (фруктовый, шоколадный, цветочный, ореховый, пряный) чаще ассоциируются с кофе из определённых регионов. Мы создаём столбец taste_category, классифицируя описания по ключевым словам, и фокусируемся на топ-10 странах по количеству сортов для репрезентативности. Эта визуализация отвечает на вопрос: как география влияет на воспринимаемые вкусовые профили кофе? Она позволяет выявить паттерны, например, преобладание фруктовых нот в африканском кофе (Эфиопия, Кения) или шоколадных в южноамериканском (Колумбия, Бразилия), углубляя понимание влияния терруара и субъективной лексики кофейной критики.

Тепловая карта выбрана за её способность компактно и наглядно отображать частоту вкусовых категорий для нескольких стран одновременно, подчёркивая интенсивность связей между географией и вкусами через цветовую градацию. Используются топ-10 стран, чтобы избежать перегрузки и сосредоточиться на значимых кофейных регионах, а аннотации с числовыми значениями повышают точность интерпретации. Эта визуализация идеально подходит для исследования субъективных описаний в контексте географии, создавая основу для дальнейшего анализа вкусовых паттернов.

Тепловая карта, отображающая частоту вкусовых категорий (фруктовый, шоколадный, цветочный, ореховый, пряный) для топ-10 стран и регионов происхождения кофе, выявляет ярко выраженные географические различия в субъективных вкусовых профилях, подчёркивая влияние терруара и методов обработки на восприятие кофе в выборке Coffee Review. Африканские регионы, особенно Эфиопия (включая Guji Zone, Yirgacheffe, Gedeb District, Sidamo), доминируют по фруктовым нотам, с экстремально высокой частотой этой категории: Guji Zone (129 сортов), Yirgacheffe (107 сортов), и Sidamo (38 сортов) практически исключительно ассоциируются с фруктовыми вкусами, что отражает популярность натуральных методов обработки и уникальные почвенно-климатические условия этих зон. Nyeri Growing Region (Кения) также показывает сильное присутствие фруктовых нот (40 сортов), но дополняется цветочными (7 сортов) и шоколадными (11 сортов), указывая на более разнообразный профиль. Южноамериканские регионы, такие как Колумбия и Бразилия, демонстрируют более сбалансированный вкусовой спектр: Колумбия выделяется фруктовыми (22 сорта) и шоколадными (9 сортов) нотами, а Бразилия — фруктовыми (15 сортов) и шоколадными (10 сортов), что может быть связано с мытой обработкой и сортами, такими как Бурбон. Boquete (Панама) и Holualoa (Гавайи) также склоняются к фруктовым нотам (34 и 36 сортов соответственно), но Holualoa добавляет шоколадные (4 сорта) и цветочные (1 сорт) оттенки. Ореховые и пряные ноты крайне редки, с единичными случаями в Колумбии и Эфиопии (по 1 сорту), что подчёркивает их второстепенную роль в описаниях.

Цель диаграммы рассеяния — исследовать взаимосвязь между ценой за 100 грамм кофе (100g_USD) и экспертными оценками (rating), чтобы определить, является ли цена фактором, определяющим качество кофе, и проверить месседж: дорогой кофе всегда лучший, или связь более сложная? Используется цветовая кодировка по топ-10 странам происхождения (origin_1) по количеству сортов, чтобы выявить, как география влияет на соотношение цены и качества, и добавляется линия регрессии для количественной оценки корреляции. Визуализация отвечает на вопрос: оправдывает ли высокая цена высокие оценки, и связаны ли дорогие сорта с определёнными регионами (например, Эфиопией или Панамой)? Это углубляет анализ качества кофе, начатый предыдущими визуализациями (фасетная гистограмма по годам, столбчатая диаграмма оценок по странам, тепловая карта вкусов), добавляя экономический аспект и проверяя субъективное восприятие ценности кофе. Визуализация помогает сформулировать гипотезы, например, связаны ли дорогие высокооценённые сорта с экзотическими регионами или уникальными методами обработки.

Диаграмма рассеяния, отображающая взаимосвязь между ценой за 100 грамм кофе (100g_USD) и экспертными оценками (rating) для топ-10 стран и регионов происхождения, выявляет сложную картину, где высокая цена не всегда гарантирует высокое качество, но определённые регионы демонстрируют устойчивую связь между дороговизной и высокими оценками. Статистика показывает, что регионы Boquete (Панама) и Holualoa (Гавайи) лидируют по средней цене ($35.92 и $23.78 соответственно) и оценкам (94.59 и 94.32), что подтверждает их репутацию производителей премиального кофе, возможно, благодаря редким сортам, таким как Geisha, и ограниченному производству (39 и 41 сорт). Эфиопские регионы (Guji Zone, Yirgacheffe, Gedeb District, Sidamo, Эфиопия) демонстрируют умеренные цены ($5.76–$12.43) при стабильно высоких оценках (92.79–93.43), с большим количеством сортов (от 30 до 133), что указывает на их экономическую доступность и высокое качество, вероятно, обусловленное натуральными методами обработки и уникальным терруаром. Nyeri (Кения) также выделяется высокой средней оценкой (93.98) при относительно доступной цене ($6.91), подчёркивая конкурентоспособность кенийского кофе. В то же время Колумбия и Бразилия имеют самые низкие средние цены ($4.98 и $4.44) и оценки (92.00 и 91.78), что может быть связано с массовым производством и менее эксклюзивными сортами. Линия регрессии на графике, вероятно, показывает слабую положительную корреляцию между ценой и оценками, так как высокие оценки встречаются как у дорогого (Boquete, Holualoa), так и у доступного кофе (Эфиопия, Nyeri). Выбросы, такие как дорогой кофе с умеренными оценками или дешёвый с высокими, подчёркивают, что цена не является единственным фактором качества.