Przejdź do treści

Analiza EDA - Irisy

Klasyczna eksploracyjna analiza danych zbioru Iris - podstawy EDA i wizualizacji

📋 Opis Projektu

Kompleksowa analiza eksploracyjna (EDA) klasycznego zbioru danych Iris, zawierającego pomiary 150 kwiatów irysów należących do trzech gatunków. Projekt przedstawia fundamentalne techniki analizy danych i wizualizacji.

🎯 Cel Analizy

Poznanie struktury i charakterystyki zbioru Iris poprzez: - Analizę statystyk opisowych - Wizualizację rozkładów cech - Identyfikację zależności między zmiennymi - Ocenę separowalności gatunków

� Jupyter Notebook

�📊 Dataset

Zbiór Iris (Ronald Fisher, 1936): - 150 obserwacji (50 na gatunek) - 3 gatunki: Setosa, Versicolor, Virginica - 4 cechy: - Długość działki kielicha (sepal length) - Szerokość działki kielicha (sepal width) - Długość płatka (petal length) - Szerokość płatka (petal width)

🛠️ Technologie

  • Python - język programowania
  • Pandas - manipulacja danymi
  • NumPy - operacje numeryczne
  • Matplotlib - wizualizacje podstawowe
  • Seaborn - zaawansowane wizualizacje statystyczne
  • Jupyter Notebook - interaktywna analiza

📈 Przeprowadzone Analizy

1. Wstępny Przegląd Danych

# Podstawowe informacje
df.info()
df.describe()
df.head()

# Rozkład klas
df['species'].value_counts()

2. Analiza Jednowymiarowa (Univariate)

Statystyki opisowe dla każdej cechy: - Średnia, mediana, odchylenie standardowe - Minimum, maksimum, kwartyle - Histogramy rozkładów

Wizualizacje: - Histogramy dla każdej zmiennej - Box plots dla identyfikacji outliers - Density plots (rozkłady gładkie)

3. Analiza Dwuwymiarowa (Bivariate)

Relacje między cechami: - Scatter plots (długość vs szerokość) - Korelacje między zmiennymi - Rozkłady dla każdego gatunku osobno

Kluczowe obserwacje: - Petal length i petal width są silnie skorelowane - Setosa jest łatwo separowalna od innych gatunków - Versicolor i Virginica częściowo się pokrywają

4. Analiza Wielowymiarowa (Multivariate)

Pair Plot: 

sns.pairplot(df, hue='species')
- Wszystkie kombinacje par zmiennych - Kodowanie kolorami według gatunku - Histogramy na przekątnej

Correlation Heatmap: 

sns.heatmap(df.corr(), annot=True, cmap='coolwarm')
- Macierz korelacji między cechami - Najsilniejsza korelacja: petal length ↔ petal width (0.96)

5. Analiza Separowalności Klas

Box plots według gatunku: - Setosa ma wyraźnie mniejsze petal measurements - Virginica ma największe wartości - Versicolor pośrodku

Violin plots: - Rozkłady wartości dla każdego gatunku - Setosa najbardziej zwarta grupa - Największa variability w Virginica

📊 Kluczowe Wnioski

Separowalność Gatunków

  • Setosa jest łatwo rozpoznawalna (małe petals)
  • Versicolor i Virginica trudniejsze do rozróżnienia
  • Petal measurements są lepszymi cechami niż sepal

Korelacje

  • Petal length ↔ Petal width: 0.96 (bardzo silna)
  • Sepal length ↔ Petal length: 0.87 (silna)
  • Sepal width słabo skorelowana z innymi cechami

Feature Selection

  • Petal length i petal width są najbardziej informatywne
  • Możliwa redukcja wymiarów bez utraty informacji
  • 2D visualization (petal length vs width) wystarczy do separacji

📁 Zawartość Projektu

  • Zad.1_Iris_EDA_raport_presentation.ipynb - główny notebook z analizą
  • Zad.1_Iris_EDA_raport.pdf - raport w PDF
  • Zad.1_Iris_EDA_raport_presentation.slides.html - prezentacja HTML
  • 25__iris.csv - zbiór danych

🎓 Czego się Nauczyłem

  • Podstawy EDA - systematyczne podejście do analizy danych
  • Pandas & NumPy - efektywna manipulacja danymi
  • Matplotlib & Seaborn - tworzenie profesjonalnych wizualizacji
  • Statystyki opisowe - interpretacja mean, median, std, quartiles
  • Analiza korelacji - identyfikacja zależności między zmiennymi
  • Data storytelling - wyciąganie wniosków z danych

📝 Metodologia EDA

  1. Załaduj dane i sprawdź podstawowe informacje
  2. Posprzątaj dane (braki, duplikaty, outliers)
  3. Analiza jednowymiarowa - każda zmienna osobno
  4. Analiza dwuwymiarowa - relacje między parami zmiennych
  5. Analiza wielowymiarowa - kompleksowe wzorce
  6. Wnioski i hipotezy - co dane nam mówią?

🔗 Powiązane Projekty

Status projektu: ✅ Ukończony
Notebook: Jupyter (Python)
Poziom: Podstawowy
Czas analizy: ~2 godziny
Dataset: Iris (Fisher, 1936)