Анализ 20 тысяч наборов и полутора миллионов записей о деталях. Что происходило с цветом конструктора за 77 лет — и почему график сам себя раскрашивает.
Введение
В детстве конструктор у нас был один на двоих с братом. Мы строили башенки и машинки, и детали расползались по всему дому — под диван, под ковёр, в углы. Часть терялась насовсем. К концу игры набор уже никогда не был тем набором, каким его собрали на фабрике.Спустя годы я узнала, что состав каждого набора LEGO задокументирован до последней детали: сколько штук, какой формы, какого цвета. Существует открытая база, где хранится этот учёт с 1955 года — идеальная версия того, что у нас дома всегда было неполным.
Когда я выбирала тему для проекта, мне хотелось найти данные, где цвет — не оформление, а сам предмет исследования. LEGO подошла: у каждого цвета в базе есть точный код.
Это дало неожиданную возможность. Обычно палитру для графиков дизайнер подбирает вручную. Здесь её можно вычислить — взять прямо из данных. Столбец «Bright Yellow» на графике окрашен в настоящий Bright Yellow, потому что этот код лежит в той же строке таблицы.
Данные
Источник — Rebrickable, открытая база всех официальных наборов LEGO. Обновляется ежедневно, доступна без регистрации.Использовала пять таблиц: наборы (20 тысяч строк — номер, год, тема, число деталей), темы, цвета (с hex-кодом и флагом прозрачности), инвентари и состав инвентарей — полтора миллиона строк, по одной на каждый цвет детали в каждом наборе.Обработка: отсекла годы за пределами реальной истории и наборы без деталей — в базе много промо-упаковок и книг с нулём деталей. Убрала запасные детали. Объединила пять таблиц в одну, где каждая строка — цвет детали в конкретном наборе конкретного года.
Оформление
Палитра собрана из colors.csv: чёрный
#05131D, красный
#C91A09, жёлтый
#F2CD37, синий
#0055BF — это настоящие коды LEGO, не подобранные на глаз. Опорные цветa темы графиков достаются из данных по имени, а не вписаны в код руками.
Шрифт — Rubik, геометрический гротеск с закруглениями. Подключается через font_manager прямо в ноутбуке: скачивается TTF, регистрируется в matplotlib и задаётся в rcParams. Никакой постобработки в графическом редакторе — всё оформление живёт в коде.Фон тёплый небелый, толстые чёрные обводки, сетка приглушена до 12% прозрачности. Заголовки прижаты влево и несут вывод, а не название переменной: не «Доля прозрачных деталей по годам», а «Прозрачный пластик занимает лишь малую долю».
Как читать графики
Работа разделена на два формата.Изучающий — первые графики. Гистограмма распределения и boxplot: смотрю, как вообще устроены данные, прежде чем делать выводы. Именно здесь стало видно, что распределение сильно скошено и опираться надо на медиану.Объясняющий — пять итоговых графиков. Каждый отвечает на один вопрос, имеет заголовок-утверждение и подпись с ключевым числом.
1. Сколько цветов LEGO использовала каждый год
Пик пришёлся на 2004 год — 113 уникальных цветов одновременно в ассортименте. После этого палитра сократилась почти на треть и с 2010-х держится в районе 70–80 цветов.
2. Прозрачный пластик занимает лишь малую долю
Доля прозрачного пластика не растёт, а колеблется вокруг среднего в 4,1%. Резкие пики до 1970 года — статистический шум малой выборки, а не реальный сдвиг в производстве.
3. Двадцать самых массовых цветов LEGO
4. Наборы становятся больше
5. Темы по десятилетиям
По темам видно смену эпох LEGO: Supplemental и Basic Set держали 1950–60-е, Star Wars — с 1999 года, Friends и Ninjago выходят на первый план только с 2010-х.
Статистические методы
Описательная статистика. Медиана, среднее, квартили и межквартильный размах. Коэффициент асимметрии 6,65 подтвердил сильную правостороннюю скошенность — поэтому дальше в расчётах использовала логарифм размера набора.Корреляция Пирсона — линейная связь года выпуска и размера набора: r = 0,22 при p < 0,001. Связь есть и статистически значима, но слабая.Корреляция Спирмена — та же связь, но по рангам. Результат Спирмен устойчив к выбросам и дал тот же результат — значит связь не держится на нескольких гигантских наборах.Линейная регрессия методом наименьших квадратов. R² = 0,048 — год объясняет менее 5% разброса. Это важнее самой корреляции: связь значима, но почти ничего не предсказывает.
