Wildberries-DA

Описание проекта

Wildberries-DA — проект, посвящённый анализу данных о нарушениях и инспекциях в ресторанах Нью-Йорка. Его цель — исследовать факторы, влияющие на популярность ресторанов в этом мегаполисе.

Данные проекта взяты из открытого источника: NYC Inspections Dataset.

---

Этапы проекта

1. Предобработка данных

• Преобразование типов данных (например, дат в формат datetime).
• Заполнение пропущенных значений.
• Очистка данных от некорректных записей и дубликатов.
• Описание структуры данных и выбор наиболее релевантных переменных:
  • Название ресторана
  • Тип кухни
  • Адрес
  • Оценка
  • Дата инспекции
  • Результат инспекции
  • Количество нарушений

---

2. SQL: Запросы, триггеры и хранимые процедуры

Запросы:

1. Список всех типов кухонь ресторанов.
2. Количество инспектированных ресторанов по годам (сортировка по убыванию).
3. Топ-10 ресторанов с наивысшей оценкой.
4. Рестораны, инспектированные в заданном году и с оценкой выше указанной.
5. Средняя оценка ресторанов по типам кухонь.
6. Рестораны в заданном районе.
7. Рестораны с количеством нарушений выше заданного значения.
8. Количество ресторанов с конкретной оценкой.
9. Рестораны с наилучшим результатом инспекции.
10. Средняя оценка ресторанов за указанный месяц.

Триггеры:

1. Запись информации о добавлении нового ресторана.
2. Автоматическое обновление описания ресторана при изменении оценки.
3. Запись информации о времени удаления ресторана.
4. Создание таблицы для нового типа кухни.
5. Обновление информации о ресторане при изменении района.

Хранимые процедуры:

1. Поиск ресторанов по заданным критериям (тип кухни, район, дата инспекции, оценка, количество нарушений).
2. Расчёт средней оценки для типа кухни.
3. Определение топ-5 ресторанов по оценке.
4. Генерация статистики по ресторанам (по типам кухни, районам, датам инспекции).
5. Среднее количество нарушений в заданном году.

---

3. Визуализация данных

Примеры визуализаций:

• Гистограмма распределения оценок ресторанов.
• Диаграмма столбцов: количество ресторанов по типам кухни.
• Scatter plot: зависимость оценки от количества нарушений.
• Line chart: изменение среднего рейтинга ресторанов со временем.
• Box plot: распределение оценок по районам.
• Heatmap: зависимость оценки от типа кухни и района.
• Bar chart: количество ресторанов с различными результатами инспекции.
• Карта ресторанов по районам Нью-Йорка.
• Гистограмма распределения количества нарушений.

---

Требования к реализации

• Использование Python и библиотеки Pandas для анализа данных.
• SQL для запросов, триггеров и хранимых процедур.
• Качественное оформление графиков.
• Подробная документация и пояснения к коду.