Original size 736x930

Анализ использования контрацепции

PROTECT STATUS: not protected

Вводная часть Для анализа использования презервативов я выбрал данные из отчета Всемирной организации здравоохранения (ВОЗ) и различных исследований, проведенных в области сексуального здоровья. Эти данные включают статистику по использованию презервативов в разных странах, возрастных группах и среди различных социальных слоев. Я также использовал данные из опросов, проведенных среди молодежи, чтобы понять, как меняется отношение к использованию презервативов в зависимости от уровня образования и доступа к информации о сексуальном здоровье. Мне было интересно проанализировать эти данные, так как использование презервативов является важным аспектом профилактики заболеваний, передающихся половым путем, и предотвращения нежелательной беременности.

Понимание факторов, влияющих на использование презервативов, может помочь в разработке более эффективных программ просвещения и профилактики. Для визуализации данных я решил использовать несколько видов графиков: Гистограммы для отображения распределения использования презервативов по возрастным группам. Столбчатые диаграммы для сравнения использования презервативов в разных странах. Круговые диаграммы для иллюстрации доли пользователей, использующих презервативы в различных социальных группах.

Этапы работы Сбор данных: Я собрал данные из открытых источников, таких как ВОЗ, CDC и различные научные статьи. Данные были представлены в формате CSV и Excel. Обработка данных: Я использовал язык программирования Python и библиотеку Pandas для обработки данных. Вот пример кода, который я использовал для загрузки и предварительной обработки данных:

Визуализация данных: Для создания графиков я использовал библиотеку Matplotlib и Seaborn. Вот пример кода для создания гистограммы:

Стилизация графиков: Я вдохновлялся минималистичным дизайном и использовал цветовую палитру, основанную на нейтральных тонах с акцентами ярких цветов для выделения ключевых данных. Мои источники вдохновения включали графики из научных публикаций и визуализации на платформах, таких как Tableau и DataViz.

Использование нейросетей: В процессе анализа я не использовал нейросети, так как задача была сосредоточена на статистическом анализе и визуализации данных. Однако в будущем я планирую исследовать возможность применения машинного обучения для предсказания тенденций использования презервативов на основе собранных данных.

Original size 1800x900

Первый график показывает, как менялся средний процент онлайн-продаж презервативов по годам. Видна тенденция роста — что логично, учитывая глобальный тренд на онлайн-шопинг. Сейчас сделаю ещё 3–4 графика, чтобы получилась целостная инфографика. Код: import matplotlib.pyplot as plt import seaborn as sns

Настройка визуального стиля

sns.set (style="whitegrid», font_scale=1.1) plt.rcParams['figure.figsize'] = (12, 6)

Готовим данные

df_clean = df.copy () df_clean['Year'] = df_clean['Year'].astype (int) df_clean['Awareness Index (0-10)'] = pd.to_numeric (df_clean['Awareness Index (0-10)'], errors='coerce') df_clean['Teen Pregnancy Rate (per 1000 teens)'] = pd.to_numeric (df_clean['Teen Pregnancy Rate (per 1000 teens)'], errors='coerce') df_clean['Online Sales (%)'] = pd.to_numeric (df_clean['Online Sales (%)'], errors='coerce')

График 1: Общая динамика онлайн-продаж по годам

online_sales = df_clean.groupby («Year»)[«Online Sales (%)»].mean ().reset_index ()

plt.figure () sns.lineplot (data=online_sales, x="Year», y="Online Sales (%)», marker="o») plt.title («Средний процент онлайн-продаж презервативов по годам») plt.xlabel («Год») plt.ylabel («Онлайн-продажи (%)») plt.tight_layout ()

plt.show ()

Original size 1800x900

Второй график показывает, что страны с правительственными кампаниями имеют в среднем более высокий индекс осведомлённости. Это наглядное подтверждение эффективности таких инициатив. Двигаемся дальше! Сейчас покажу, как индекс осведомлённости связан с подростковой беременностью. Код:

График 2: Влияние правительственных кампаний на индекс осведомлённости

plt.figure () sns.boxplot (data=df_clean, x="Government Campaigns», y="Awareness Index (0-10)», palette="pastel») plt.title («Влияние правительственных кампаний на индекс осведомлённости») plt.xlabel («Правительственные кампании») plt.ylabel («Индекс осведомлённости (0-10)») plt.tight_layout () plt.show ()

Original size 1800x900

На третьем графике видна обратная зависимость: чем выше индекс осведомлённости, тем ниже уровень подростковой беременности. Особенно ярко это проявляется в странах с госпрограммами. Теперь сделаем визуализацию популярности типов презервативов. Код:

График 3: Связь между индексом осведомлённости и подростковой беременностью

plt.figure () sns.scatterplot (data=df_clean, x="Awareness Index (0-10)», y="Teen Pregnancy Rate (per 1000 teens)», hue="Government Campaigns», alpha=0.7, palette="Set2») sns.regplot (data=df_clean, x="Awareness Index (0-10)», y="Teen Pregnancy Rate (per 1000 teens)», scatter=False, color="gray», line_kws={"linewidth»: 2, «linestyle»:"--"}) plt.title («Связь между осведомлённостью и подростковой беременностью») plt.xlabel («Индекс осведомлённости (0-10)») plt.ylabel («Подростковая беременность (на 1000)») plt.legend (title="Гос. кампания») plt.tight_layout () plt.show ()

Код для google copilot: import pandas as pd import matplotlib.pyplot as plt import seaborn as sns

Загрузка данных

df = pd.read_csv («/mnt/data/Rich_Global_Condom_Usage_Dataset.csv»)

Предобработка

def extract_gender_pct (row, gender): parts = row.split (» — «) for part in parts: if gender in part: return int (part.strip ().replace (f"% {gender}», «»)) return None

df[«Male %»] = df[«Male vs Female Purchases (%)»].apply (lambda x: extract_gender_pct (x, «Male»)) df[«Female %»] = df[«Male vs Female Purchases (%)»].apply (lambda x: extract_gender_pct (x, «Female»))

Удаляем строки с некорректными значениями

df_gender = df.dropna (subset=[«Male %», «Female %»])

Настройки стиля

sns.set (style="whitegrid», font_scale=1.1)

График 1: Средние онлайн-продажи по годам

plt.figure (figsize=(10, 5)) online_sales = df.groupby («Year»)[«Online Sales (%)»].mean ().reset_index () sns.lineplot (data=online_sales, x="Year», y="Online Sales (%)», marker="o») plt.title («Средний процент онлайн-продаж презервативов по годам») plt.tight_layout () plt.show ()

График 2: Влияние гос. кампаний на осведомлённость

plt.figure (figsize=(8, 5)) sns.boxplot (data=df, x="Government Campaigns», y="Awareness Index (0-10)», palette="pastel») plt.title («Влияние гос. кампаний на индекс осведомлённости») plt.tight_layout () plt.show ()

График 3: Связь осведомлённости и подростковой беременности

plt.figure (figsize=(10, 6)) sns.scatterplot (data=df, x="Awareness Index (0-10)», y="Teen Pregnancy Rate (per 1000 teens)», hue="Government Campaigns», alpha=0.7) sns.regplot (data=df, x="Awareness Index (0-10)», y="Teen Pregnancy Rate (per 1000 teens)», scatter=False, color="gray», line_kws={"linestyle»: «--"})

Original size 1800x900

plt.title («Связь осведомлённости и подростковой беременности») plt.tight_layout () plt.show ()

График 4: Средний процент покупателей по полу

plt.figure (figsize=(8, 5)) avg_male = df_gender[«Male %»].mean () avg_female = df_gender[«Female %»].mean () sns.barplot (x=[«Мужчины», «Женщины»], y=[avg_male, avg_female], palette="coolwarm») plt.title («Средний процент покупателей презервативов по полу») plt.ylabel («Процент») plt.tight_layout () plt.show ()

Original size 1800x900
Анализ использования контрацепции
Project created at 23.03.2025
adcr.dafes
The Art Directors Club of Russia sets the benchmark for creative excellence in design and advertising, serving as a central hub where industry professionals connect. Since 2004, the Club has hosted the ADCR Awards—a premier national competition celebrating creativity, design, and advertising. The core mission of the awards is to champion agencies and independent creators making their mark in the local market. By presenting this honor on behalf of the professional community, the Club reaffirms its endur... Show more
adcr advertising
adcr design
adcr students and young creators