Генерация обложки: leonardo.ai Промпт: «Create a composition that combines statistic symbols, graphs, and objects associated with academia and mental health, set against a muted background with earthy tones»
Выбор данных и инструментов
Стресс — понятие, знакомое практически каждому студенту, особенно в периоды сессий. Мне было интересно найти и проанализировать данные, которые позволили бы выявить взаимосвязи между уровнем стресса студентов и другими факторами. На платформе kaggle мной был выбран массив данных «student lifestyle dataset». В таблице представлены данные от 2000 студентов об их образе жизни, академической успеваемости и уровне стресса.
В проекте использованы библиотеки:
- Pandas
- Seaborn
- Matplotlib
- Numpy
C помощью Seaborn была выбрана приглушенная холодная палитра оттенков, подходящая, на мой взгляд, под тему проекта, так как синие тона зачастую ассоциируются с меланхолией и напряжением, а также темой образования.
Графики
Использовались средние значения из столбцов Study_Hours_Per_Day, Sleep_Hours_Per_Day, GPA и их соотношение со столбцом Stress_Level.
Сначала были визуализированы данные об уровне стресса студентов в целом, по результатам чего видно, что абсолютное большинство опрошенных указали, что испытывают повышенный стресс в текущем периоде.
Для упрощения восприятия данных был выбран тип графика столбчатая диаграмма (sns.barplot)
Далее был проанализирован уровень стресса в зависимости от GPA студента. Я предположила, что студенты с более высоким GPA будут подвержены стрессу больше, чем остальные — эта гипотеза подтвердилась. Чем лучше академическая успеваемость студента, тем выше они оценивали свой стресс в настоящий момент. График: sns.lineplot
В прямой зависимости уровень стресса также находится от количеству времени, уделяемого учебе — наиболее спокойны оказались студенты, уделявшие учебе меньше часов в сутки. График: sns.barplot.
Также было интересно узнать, влияет ли количество полученного сна на уровень стресса студентов. Как оказалось, для тех, кто выбрал ответы «низкий» или «умеренный» уровень, разница в количестве сна незначительна, но те, кто оценил свой уровень стресса как «высокий», спали, в среднем, почти на час меньше. График: sns.barplot
Заключение
С помощью Python и Google Colab были проанализированы данные об образе жизни и уровнях стресса студентов и были выявлены некоторые закономерности: такие, как зависимость стресса от уровня успеваемости, количества сна и времени, посвящаемому учебе. Данные инструменты показали себя очень полезными в анализе данных, так как значительно упрощают и автоматизируют этот процесс.
