Данный проект посвящён анализу глобального гендерного неравенства на основе официальных международных статистических данных. В фокусе исследования — динамика и различия в положении женщин в разных странах мира на протяжении более чем шестидесяти лет, с 1960 по 2024 год.

Гендерное равенство сегодня рассматривается не только как вопрос социальной справедливости, но и как ключевой индикатор устойчивого экономического и социального развития. Уровень участия женщин в экономике, доступ к образованию, правам и политическому представительству напрямую связан с благосостоянием стран, качеством институтов и возможностями для будущих поколений.

Для анализа был использован датасет «Global Gender Equality Indicators», скачанный с платформы Kaggle и основанный на данных Всемирного банка. Датасет охватывает более 200 стран и период с 1960 по 2024 год.

В работе используются ключевые поля: название страны, год, индикатор и его числовое значение. Выбор этих данных обусловлен их глобальным охватом и большой временной глубиной, что позволяет анализировать долгосрочные изменения гендерного неравенства и сравнивать динамику между странами.

Изначально датасет включает агрегированные региональные показатели и группы стран по уровню дохода. Для корректного анализа такие агрегаты были удалены, и в итоговой визуализации используются только данные по отдельным странам.

Линейный график — Для анализа временных трендов были выбраны индикаторы участия мужчин и женщин в рабочей силе. С помощью группировки данных по годам и усреднения значений был рассчитан глобальный средний уровень участия для мужчин и женщин. Каждая линия отражает изменение показателя во времени для соответствующего пола.

Диаграмма рассеяния — Для исследования взаимосвязи между уровнем образования женщин и их участием в рабочей силе была использована диаграмма рассеяния. Каждая точка на графике представляет отдельный год, а координаты точек соответствуют значениям выбранных показателей.

Круговая диаграмма — Для оценки того, улучшилась ли ситуация с гендерным равенством, был рассчитан гендерный разрыв как разница между участием мужчин и женщин в рабочей силе. Данные были агрегированы по двум временным периодам (начальный и конечный), после чего для каждой страны была вычислена разница между средними значениями разрыва. В зависимости от направления изменений страны были классифицированы на три группы.

Столбчатые диаграммы — Для более детального сравнения стран был создан нормализованный индекс гендерного равенства, основанный на абсолютной величине гендерного разрыва. Значения индекса были усреднены по времени для каждой страны. На основании полученного индекса были определены десять стран с наивысшим и десять стран с наименьшим уровнем гендерного равенства.

Тепловая карта корреляций — Для анализа взаимосвязей между числовыми переменными была построена тепловая карта корреляций. Сначала из датасета были отобраны числовые столбцы, соответствующие значениям показателей по годам, после чего была рассчитана матрица корреляций с использованием коэффициента Пирсона.

Визуальная айдентика проекта построена вокруг идеи аналитической нейтральности и исследовательской объективности. Поскольку тема гендерного равенства связана с социально чувствительными и политически значимыми вопросами, в оформлении сознательно избегаются эмоционально нагруженные визуальные приёмы и стереотипные цветовые ассоциации. Основная задача визуального языка проекта — не интерпретировать данные за зрителя, а создать ясную и спокойную среду для их осмысленного анализа.

Цветовая палитра проекта основана на ярких, но сдержанных базовых цветах. В качестве основного цвета используется глубокий синий тон, ассоциирующийся с надёжностью и объективностью данных. Этот цвет применяется в ключевых графических элементах: линиях временных рядов, основных столбцах и маркерах. Акцентный цвет — насыщенный красный, используется точечно для выделения важных показателей, ключевых стран или значимых лет. В качестве дополнительного цветового акцента применён яркий жёлтый, который используется для подчёркивания особых аналитических выводов или заметных деталей. Фоновым цветом выбран светлый нейтральный тон, который снижает визуальную нагрузку и делает графики комфортными для длительного просмотра, а для текста, осей и вспомогательных элементов используется тёмный графитовый цвет, обеспечивающий высокий контраст и хорошую читаемость

ЗАГРУЗКА БИБЛИОТЕК И ДАННЫХ

import os import pandas as pd import matplotlib.pyplot as plt from matplotlib import rcParams from matplotlib import font_manager as fm import matplotlib.cm as cm import numpy as np import seaborn as sns

На первом этапе анализа рассматривается разрыв между женщинами и мужчинами по уровню участия в рабочей силе. Для этого используются линейные графики, отображающие средние мировые значения показателя по годам. Такой формат позволяет наглядно проследить динамику гендерного разрыва во времени и оценить, сокращается ли различие между женщинами и мужчинами на глобальном уровне, а также выявить периоды ускоренного или замедленного прогресса.

В коде выделяются данные по участию в рабочей силе для женщин и мужчин из общего датафрейма df_long. Затем для каждого пола считается среднее значение по годам. На основе этих данных строится линейный график с годами на оси X и процентом участия в рабочей силе на оси Y, где кривые для женщин и мужчин окрашены в заданные цвета, добавлены подписи и легенда.

Диаграмма рассеяния показывает, что существует положительная связь между долей женщин с средним образованием и их участием в рабочей силе: в странах с более высоким уровнем образования женщин обычно выше их трудовая активность. При этом заметен разброс по странам, где высокий уровень образования не всегда сопровождается высокой занятостью, что указывает на влияние дополнительных факторов, таких как культурные нормы, политика занятости или доступность рабочих мест. Подписи годов позволяют увидеть динамику: в большинстве стран обе величины постепенно растут, отражая прогресс в сфере гендерного равенства.

Мы не можем напрямую измерить «равенство», поэтому: берем разницу между мужчинами и женщинами смотрим, уменьшился ли разрыв со временем.

В большинстве стран гендерный разрыв в участии в рабочей силе сократился, однако в значительной доле стран изменения остаются несущественными.

В коде строится точечная диаграмма (scatter plot), показывающая связь между уровнем образования женщин (Value_edu) и их участием в рабочей силе (Value_labor). Значения Value_labor делятся на три диапазона и окрашиваются в разные цвета (ACCENT_COLOR, WARNING_COLOR, PRIMARY_COLOR). Размер точек зависит от уровня образования. Для крайних значений (выбросов) добавляются подписи с названиями стран. Добавлены оси, заголовок, сетка и легенда с пояснением цветовой шкалы.

Здесь мы рассчитываем гендерный разрыв в участии в рабочей силе по странам, сравнивая мужчин и женщин. Он берёт средние значения разрыва за начальный (2000–2005) и конечный (2015–2020) периоды, вычисляет изменение и классифицирует страны на три группы: «Улучшили», «Ухудшили» и «Без существенных изменений». Результат визуализируется в виде круговой диаграммы, где цветами обозначены три категории изменения

Здесь строится горизонтальная столбчатая диаграмма для визуализации топ-10 стран по уровню гендерного равенства в участии в рабочей силе. Данные сортируются по нормализованному индексу равенства, страны располагаются по возрастанию для удобного чтения, добавлены подписи с точными значениями, сетка и аккуратное оформление графика. Диаграмма позволяет быстро увидеть лидеров по равенству в рабочей силе