Вкус зимы: анализ новогодних продуктов и напитков

Набор данных «Зимние продукты и напитки» представляет собой не просто коллекцию кулинарных позиций, а целостный статистический срез потребительских предпочтений в холодное зимнее время. За каждым блюдом и его ингредиентами скрывается история выбора, комфорта и адаптации человека к сезону, в котором еда и напитки приобретают особое значение.

Актуальность исследования особенно возрастает в преддверии зимнего сезона и новогодних праздников — периода, когда гастрономические привычки становятся более выраженными, а традиции и спрос формулируют устойчивые паттерны человеческого поведения. Зима меняет не только климатические условия, но и структуру потребления, например, более предпочтительными становятся согревающие напитки, калорийные блюда и продукты, создающие ощущение уюта и праздника.

Анализ датасета позволяет проследить, как разные культуры отвечают на вызовы холодного времени года. Европа, Северная Америка и Азия по-разному интерпретируют зимний рацион, сочетая традиции, локальные вкусы и современные тренды. Каждая запись в массиве данных — отражение повседневного выбора человека в зимний период, будь то чашка горячего напитка, праздничное блюдо или иные сезонные продукты, востребованные именно зимой.

Изучение данных накануне Нового года дает возможность увидеть не только текущее состояние рынка, но и его динамику: какие продукты сохраняют за собой статус зимней классики, какие только набирают популярность, а какие постепенно уступают место новым тенденциям. В данном контексте изученный датасет становится инструментом для расшифровки «кода зимнего уюта», где цены, калорийность блюд и потребительские оценки складываются в сезонный нарратив.

В качестве анализируемого материала мною был выбран датасет «Зимние Продукты Питания И Напитки» с сайта Kaggle.

В ходе анализа датасета я посчитала подходящими следующие виды графиков, поскольку нашла их наиболее релевантными и наглядными для визуализации данных:

Столбчатая диаграмма Линейный график Тепловая карта Пузырьковая диаграмма Матрица корреляций (Тепловая карта корреляций) Диаграмма рассеяния Круговая диаграмма

Изначально я начала работу с предоставленным набором данных, однако при первичном анализе обнаружила несколько проблем, характерных для реальных данных, например, наличие полных дубликатов записей, пропущенные значения в числовых полях, а также англоязычные названия, которые затрудняли бы анализ и визуализацию для русскоязычной аудитории.

Для обеспечения качества и ясности последующего анализа был выполнен комплекс подготовительных шагов:

I. Для начала мною были удалены дубликаты: были выявлены и удалены полностью идентичные строки, чтобы каждая запись в датасете стала уникальной. Это предотвратило смещение статистики из-за повторяющихся наблюдений.

II. Создание словарей перевода: для адаптации данных ключевые категориальные столбцы (Item, Type, Origin) были переведены на русский язык. Для этого были вручную созданы и применены тематические словари. С помощью метода .map() в библиотеке Pandas значения в исходных столбцах были заменены на русскоязычные согласно соответствующим словарям. Чтобы сохранить целостность данных, для значений, отсутствующих в словарях, был использован метод .fillna(), оставляющий оригинальное название. Результаты были сохранены в новых столбцах с суффиксом _ru. Для данного пункта я использовала нейросеть DeepSeek , чтобы корректно написать код и внести необходимые значения.

Далее я создала таблицу для ручного исправления типов, в целях более точного анализа данных:

На выходе был получен очищенный, непротиворечивый и полностью переведённый на русский язык датасет, готовый к глубокому анализу и построению информативных визуализаций. Этот фундаментальный этап обеспечил достоверность всех последующих выводов.

Перед тем как приступить к созданию финальных графиков, было необходимо определить их будущий стиль. Для этого я сознательно подошла к выбору визуального языка, который соответствовал бы тематике датасета — уютным и согревающим зимним продуктам.

Выбор и загрузка шрифта: чтобы обеспечить уникальность и стилевую целостность проекта, в качестве основного был выбран современный гротескный шрифт Aeroport. Он был загружен в среду выполнения, корректно установлен в систему Matplotlib и назначен шрифтом по умолчанию для всех надписей, что гарантировало единообразие текстовых элементов на всех графиках.

На данном этапе я столкнулась с ошибкой при загрузке шрифта Aeroport в Google Colab. Сначала я пыталась кодом установить с помощью нейросети deepseek, однако столкнулась с проблемой. Поэтому загрузила шрифты файлами, чтобы сохранить выбранную стилевую основу, и с помощью той же нейросети задала их в стиль будущих графиков. В оформлении использовалась палитра также вдохновлённая визуальными образами зимней кухни. Тёплые оттенки ассоциируются с горячими блюдами, выпечкой и пряностями, а холодные и нейтральные — с зимней атмосферой и визуальным балансом. Так, цвет E2DFD5 — к молочным продуктам и сливочным десертам, A8B7BD, напоминающие зимний воздух, 455A6C, использованный для фона и подписей.

Эти цвета были систематизированы в словарь STYLE_COLORS и использованы для оформления всех элементов: заливки столбцов, линий, текста, фона и сетки.

Проверка и настройка отображения: перед построением графиков была проведена тестовая визуализация — на холст выводились пробные текстовые блоки на русском языке с использованием выбранного шрифта и цветов. Это позволило:

Убедиться в корректной поддержке шрифтом кириллицы. Оценить читаемость и гармоничность сочетания цветов текста и фона.

Этот подготовительный этап позволил создать визуальный каркас для данных. Проведённая проверка гарантировала, что итоговые графики будут не только информативными, но и эстетически целостными, образуя связную визуальную историю о зимних кулинарных предпочтениях.

Чтобы расширить свои представления о возможных итоговых графиках, я спросила у ChatGPT , какие взаимосвязи между данными было бы интересно изучить, имея датасет. Некоторые из предложенных нейросетью альтернатив вошли в финальный проект.

Благодаря столбчатой диаграмме, можно сразу увидеть, какие товары нравятся людям больше всего и в какой стране они лидируют. ля усиления наглядности и мгновенного визуального восприятия каждый товар в рейтинге сопровождается фотографией, что превращает сухой рейтинг в яркую и аппетитную галерею зимних предложений.

Например, кофе жители Швейцарии оценили выше, чем тот же продукт, но в США. А горячий сидр входит в ТОП-3 сразу в двух странах. Устойчивая популярность «Горячего сидра» становится любопытным наблюдением, который представлен в рейтинге в нескольких вариантах из разных стран. Это свидетельствует о его статусе международного зимнего фаворита, успешно адаптируемого под региональные вкусы.

На данном графике мы можем проследить как менялась средняя цена и популярность согревающих продуктов в течении трех лет. Здесь мы видим рост цен и падение спроса, но популярность снижается не пропорционально росту цен, а значит не все люди отказываются от любимых продуктов из-за роста цены.

Линейный график с двумя линиями тренда на общих осях позволяет напрямую сравнивать динамику цены и популярности. Разные маркеры (круги для цены, квадраты для популярности) и цвета из STYLE_COLORS улучшают читаемость.

Очевидно прослеживается постепенный рост средней цены на продукты, который достиг своего пика в сезоне 2025. Это может отражать общемировые инфляционные процессы, а также возможное смещение потребительского спроса в сторону более премиальных и специализированных зимних товаров.

Любопытным наблюдением становится устойчивая стабильность показателя популярности на протяжении всех трех сезонов, что свидетельствует о консервативности зимних потребительских привычек. Несмотря на колебания цен и изменения в ассортименте, общее удовлетворение потребителей остается на стабильно высоком уровне.