Камбоджа. Демографический анализ
Содержание
/1/ Концепция /2/ Обработка данных /3/ Визуализация данных /4/ Инструменты ⠀⠀/4.1/ Описание применения генеративной модели /5/ Источники
/1/ Концепция
В этом году я совершила двухдневное путешествие в Камбоджу. Удалось посетить множество мест, сама поездка сопровождалась рассказом об истории страны. Оказалось, что Камбоджа имеет мрачную историю. Этот проект — способ сделать собственное исследование и увидеть в цифрах и на графиках то, что отбросило страну в развитии на 200 лет назад.
Когда я услышала от гида, что происходило в Камбодже в 1970-х годах, я поняла, что мы все не так уж и далеко убежали в прогрессе гуманизма. В 1975 году в стране погибло от 1,7 до 3 млн человек от рук самих же кхмеров, коренных жителей Камбоджи. Всё это происходило с целью построить идеальное коммунистическое государство, только для его созидания необходимо было уничтожить всех стариков и интеллигенцию, людей, которые могли иметь иное мнение.
Камбоджа сегодня — вторая экономика в мире по темпу развития. Удивительно, что страна, которая потеряла много образованных людей, смогла не только постепенно нарастить упущенное, но и во многом опередить соседей. Данные представляют собой большую ценность, так как они показывают действительно ужасную, но реальную причину динамичного экономического роста.
Датасет был найден на сайте The Humanitarian Data Exchange. Данные предоставляют не только материалы о климатических изменениях, но и подсчеты демографических значений.
В проекте представлены графики:
/1/ «Общая численность населения за годы» /2/ «Городское население по годам, % к общему населению» /3/ «Сельскохозяйственные земли и лесные площади» /4/ «Соотношение недостатка веса детей к урожайности зерновых»
1 и 3 графики — линейные, такой вид помогает наглядно увидеть рост, а также отследить разницу между величинами. 2 график — стековый, он помог визуально выделить пик и резкое падение данных. Для 4 анализа я выбрала вид fill_between, чтобы показать зависимость данных друг от друа и указать их корреляцию.
/2/ Обработка данных
В начале я импортировала необходимые библиотеки: pandas, matplotlib.pyplot и numpy. После чего необходимо было считать csv-файл «climate-change_khm» и ttf-файл со шрифтом Tinos.
Я нашла объемные данные, что значительно упростило работу, так как все интересующие меня значения были в одной таблице. По столбцу «Indicator Name» я фильтровала нужные мне для анализа строки.
Далее я использую функцию to_numeric () модуля pandas, чтобы преобразовать аргумент в числовой тип. В некоторых таблицах также пришлось сортировать данные по годам «Year» и округлять значение «Value».
/3/ Визуализация данных
Эта часть кода настраивает визуальные параметры для стилизации данных. Он используется для каждого из графиков. Код настраивает цвет области и границ графика, устанавливает его размер.
Для визуализации данных я использую темно-зеленый оттенок, который напоминает мне о тропических лесах Камбоджи. В работе представлены сделанные мной в путешествии фотографии, именно они послужили главным вдохновением проекта.
На графике «Общая численность населения» мы видим резкое уменьшение населения между 1970 и 1980 годами, причиной этого уже названный мною в концепции геноцид кхмеров. Когда у меня получилось построить график, я была поражена тем фактом, что рассказ гида о страшных событиях в Камбодже я вижу сейчас у себя на мониторе.
График «Общая численность населения за годы»
Следующий график показывает процент городского населения к общему. Здесь мы тоже видим резкое уменьшение населения, но уже интеллигенции, в период с 1975 по 1980 годы.
График «Городское население по годам, % к общему населению»
Далее мне стало интересно изучить соотношение лесных земель к сельскохозяйственным. Ожидания подтвердились, сейчас Камбоджа переживает экономический рост, поэтому земель, отданных под сельское хозяйство, становится всё больше. Здесь мы можем заметить спад в районе названных ранее годов, что говорит об упадочном состоянии сельских земель в то время.
График «Сельскохозяйственные земли и лесные площади в Камбодже»
Я нашла очень удачный датасет, в котором даже имелись данные о проценте детей с недостатком веса. Тут я решила найти зависимость между их числом и количеством добываемого зерна.
График «Соотношение недостатка веса детей к урожайности зерновых»
В процессе создания этого графика я обратилась к нейросети deepseek, которая подсказала использовать библиотеку seaborn для визуализации данных.
Функция .corr () возвращает коэффициент корреляции рассматриваемых диапазонов. Корреляция получилась отрицательная (-0,97), значит снижению голода поспособствовал рост урожайности.
/4/ Инструменты
В работе я использовала сайт matplotlib, который помог мне с выбором вида графиков.
/4.1/ Описание применения генеративной модели
В работе я обращалась к нейросети языковой модели DeepSeek-R1 deepseek, которая помогала мне решать ошибки в коде и подсказала использовать библиотеку seaborn для визуализации последнего графика.
/5/ Источники
The Humanitarian Data Exchange: [Электронный ресурс]. URL: https://data.humdata.org/dataset/world-bank-climate-change-indicators-for-cambodia. (Дата обращения: 18.03.2025)