Анализ данных: глобальное потепление
Глобальное потепление — серьезная угроза для экосистем, здоровья людей и экономики, поэтому регулярный мониторинг температуры помогает вовремя замечать риски и быстро на них реагировать.
Для анализа выбраны данные FAOSTAT «Изменение температуры» — ежемесячные, сезонные и годовые аномалии средней температуры по странам за 1961–2023 годы, основанные на GISTEMP (NASA‑GISS) и найденные на платформе Kaggle.
Будут использованы линейные графики для наглядной динамики изменения температуры; столбчатые диаграммы — для сравнения масштабов глобальных аномалий; круговые — для оценки вклада сезонов в среднегодовые аномалии в России; и теплокарту — для визуализации потепления по месяцам и годам.
Базовые настройки
Перед началом работы я запросила у ChatGPT рекомендации по стилю визуализаций: максимально чистый, точный и функциональный дизайн, с градиентами и повышением насыщенности цвета для подчеркивания усиления проблемы; все элементы должны служить одной цели — ясно и убедительно донести информацию. Цветовая палитра: акцентные — коричневый, красный, оранжевый, жёлтый; нейтральные — белый.
Цвета, подобранные по описанию ChatGPT
На стартовом этапе разработки кода я подключила основные библиотеки: kagglehub — для загрузки датасета с платформы Kaggle, pandas — для обработки и анализa табличных данных, numpy — для численных операций, а matplotlib.pyplot — для построения графиков. Этот код позволяет быстро получить данные и перейти к визуализации.
На этапе настройки визуализации я задала единый стиль для всех графиков. Определила палитру от жёлтого к насыщенному красному с добавлением дополнительных оттенков, чтобы градиент выглядел плавно; задала нейтральные цвета фона, текста и сетки. Настроила типографику: семейство шрифтов sans‑serif, размеры и жирность заголовков и подписей. Уточнила параметры сетки и осей: пунктирная полупрозрачная сетка, аккуратная рамка.
Столбчатый график
После выполнения основных настроек я приступила к загрузке набора данных с Kaggle и его подготовке для построения столбчатого графика.
На заключительном этапе я приступила к построению столбчатого графика.
Столбчатая диаграмма показывает, что средняя глобальная температурная аномалия постоянно растёт — от −0,02°C в 1960‑е до 1,27°C в 2010‑е, с значительным ускорением после 1980‑х, что усиливает климатические риски и требует регулярного мониторинга.
Линейный график
Загрузка данных для построения линейного графика.
Построение линейного графика: «Глобальная динамика изменения температуры (1961–2019)»
График показывает: несмотря на колебания по годам, глобальные аномалии стабильно растут и достигают максимумов после 2000‑х.
Круговая диаграмма
Подготовка данных и загрузка для круговой диаграммы.
Построение круговой диаграммы «Средние температурные аномалии в России (1961-2019)»
Кольцевая диаграмма показывает потепление во все сезоны в России (1961–2019): максимум летом (30,7%), далее весна (26,0%) и осень (22,8%), минимум зимой (20,5%). Так аномалии положительны во все сезоны, а наибольший вклад в рост температуры дает тёплый сезон.
Теплокарта
Загрузка данных для построения теплокарты.
Преобразование полученных данных: очистка и унификация для дальнейшего анализа.
Подготовкой данных для построения тепловой карты и настройкой общего внешнего вида графика.
Построение теплокарты «Матрица потепления по месяцам и годам»
Теплокарта показывает устойчивое и круглогодичное усиление положительных аномалий, особенно заметное после 2000‑х.
Заключение
Все представленные графики показывают устойчивое и ускоряющееся потепление: по десятилетиям глобальная аномалия поднялась с −0,02°C до 1,27°C, годовой ряд (1961–2019) стабильно поднимается вверх с рекордами после 2000‑х, теплокарта становится красной почти во всех месяцах к 2000–2020‑м, а сезонный профиль для России фиксирует положительные аномалии круглый год (максимум летом, минимум зимой). В совокупности это означает расширение и укрепление потепления во времени и по сезонам, рост климатических рисков для экосистем, здоровья и экономики, а также необходимость и ускорения адаптационных мер.
Использование генеративных моделей
Я использовала ChatGPT для поиска ошибок, получения рекомендаций по написанию кода, подключения собственных стилей и их дальнейшего использования.
