Спарсенные данные с английского сегмента Википедии
Интерес представляла проверка активности юзеров Википедии с целью понять, насколько актуальные данные она предоставляет.
А также визуализация словесного наполнения различных текстовых сегментов статей. Построение статистики по частоте использования слов и по структуре статей с точки зрения сегментации.
Виды использованных графиков
- Линейный график для корректного и читаемого отображения временного ряда.
- Столбчатая диаграмма для понятной визуализации распределения дискретной величины.
- Гистограмма для отображения распределения непрерывной случайной величины.
- Облако слов для наглядного отображения самых часто используемых слов в различных сегментах статей. Средство отображения частоты на графике — размер слова.
Цветовое решение
В основе палитры лежат классические цвета Википедии.
Цветовая палитра
Параметры стилизации графиков
Подгрузка данных в датасет
Исследование датасета на пропущенные значения
Распределение правок по годам
Распределение количества правок по времени дня
Распределение описаний по количеству символов
Словесное облако заголовков
Словесное облако описаний
Анализ разбивки статей на сегменты