Датасет: Diabetes Health Indicators Dataset (BRFSS 2015).

Источник: Kaggle (данные CDC — Центров по контролю и профилактике заболеваний США).

Почему этот датасет? Он про диабет. Выбранный файл содержит сбалансированную выборку (50% здоровых, 50% с диабетом), выделялся по качеству на Kaggle и сама тема близка лично мне.

Тепловая карта (Heatmap): быстрый обзор корреляций между всеми 22 признаками.

Столбчатая диаграмма (Bar Chart): сравнение конкретных групп риска.

График плотности (KDE Plot): визуализация распределения непрерывной величины (BMI).

Скрипичная диаграмма (Violin Plot): сложное сравнение распределений внутри категорий (Health vs BMI).

Этапы работы

Описательная статистика

Создание «портрета» типичного пациента после изучения распределения данных. Использовал метод describe ().

Insights:

Корреляционный анализ

Построение матрицы корреляций, чтобы понять какие факторы сильнее всего влияют на появление диабета.

Insights:

Агрегация и новые признаки

RiskGroup — новая категория, объединяющая давление и холестерин.

Для подсчёта процента заболеваемости в каждой группе, я агрегировал данные.

Стиль графиков

Использованы библиотеки Matplotlib (в связке с Seaborn) с кастомизированной темной темой и неоновой цветовой палитрой.