R-script анализ датасета Жильцов Даниил

Описание датасета

Для анализа был взят датасет Astronauts, который содержит информацию о космонавтах и астронавтах, их миссиях, продолжительности полётов и выходах в открытый космос.

В датасете содержатся следующие поля:

• "Profile.Astronaut Numbers.Overall"
• "Profile.Astronaut Numbers.Nationwide"
• "Profile.Name"
• "Profile.Gender"
• "Profile.Birth Year"
• "Profile.Nationality"
• "Profile.Military"
• "Profile.Selection.Group"
• "Profile.Selection.Year"
• "Profile.Lifetime Statistics.Mission count"
• "Mission.Role"
• "Mission.Year"
• "Mission.Name"
• "Mission.Vechicles.Ascent"
• "Mission.Vechicles.Orbit"
• "Mission.Vechicles.Decent"
• "Mission.Durations.Mission duration"
• "Profile.Lifetime Statistics.Mission duration"
• "Mission.Durations.EVA duration"
• "Profile.Lifetime Statistics.EVA duration"

Источник датасета — страница Категория:Dataset. Ссылка на датасет на Corgis: Corgis Dataset.

Код R-скрипта

library(tidyverse)

data <- read_csv("https://corgis-edu.github.io/corgis/datasets/csv/astronauts/astronauts.csv")

glimpse(data)

total_records <- nrow(data)
print(paste("Всего записей о миссиях:", total_records))

unique_astronauts <- data %>%
  distinct(`Profile.Name`) %>%
  nrow()
print(paste("Уникальных астронавтов в датасете:", unique_astronauts))

unique_names <- data %>%
  distinct(`Profile.Name`) %>%
  pull(`Profile.Name`)

words <- str_split(unique_names, " ") %>%
  unlist() %>%
  str_replace_all("[^A-Za-z]", "") %>%  
  .[. != ""]

total_words <- length(words)
print(paste("Всего слов в уникальных именах астронавтов:", total_words))

top10_words <- as.data.frame(sort(table(words), decreasing = TRUE)[1:10])
colnames(top10_words) <- c("Слово", "Частота")
rownames(top10_words) <- NULL

print("Самые часто встречающиеся имена (First name, middle name, last name):")
print(top10_words)

top_countries <- data %>%
  distinct(`Profile.Name`, `Profile.Nationality`) %>%
  count(Национальность = `Profile.Nationality`, sort = TRUE) %>%
  head(10)

print("Cтраны, отсортированные по числу астронавтов (по убыванию):")
print(top_countries)

Код программы в RStudio

Вывод программы в RStudio

Результаты анализа

Вывод в Rstudio

Показатель	Значение
Всего записей о миссиях	1270
Уникальных астронавтов	559
Всего слов в уникальных именах	1516

Самые часто встречающиеся имена (First name, middle name, last name)

Вывод в Rstudio

Анализ показал, что в именах астронавтов доминируют не столько полные имена, сколько инициалы и сокращения. Это связано с тем, что в датасете многие астронавты указаны с инициалами (например, "John H. Jr.", "M. Scott Carpenter"). Самые частые элементы:

Слово	Частота
Jr.	34
J	31
L	27
M	27
A	25
D	24
E	22
Michael	18
James	16
R	16

Выводы по именам:

• Инициалы (J, L, M, A, D, E, R) встречаются чаще, чем полные имена. Это особенность записи имён в датасете.
• Среди полных имён лидируют Michael (18 раз) и James (16 раз).
• Обращение "Jr." (младший) встречается 34 раза, очень часто для американских астронавтов.

Cтраны, отсортированные по числу астронавтов (по убыванию)

Выводы в Rstudio

Распределение астронавтов по странам показывает значительное доминирование двух космических держав:

Страна	Количество астронавтов
U.S.	341
U.S.S.R/Russia	122
Japan	12
China	11
Germany	11
Canada	10
France	10
Italy	7
Belgium	2
Bulgaria	2

Выводы по странам:

• США занимают абсолютное первое место — 341 астронавт (более 60% от всех уникальных).
• На втором месте — Россия / СССР (122 астронавта).
• Далее следуют Япония (12), Китай (11) и Германия (11).
• Канада и Франция имеют по 10 астронавтов, а в Италии - 7 астронавтов.
• Интересно, что Бельгия и Болгария (по 2) замыкают десятку, что говорит о широкой международной представленности, но с небольшим числом участников.

Общие выводы

1. Объём данных: Датасет содержит 1270 записей о миссиях, в которых участвовал 559 уникальных астронавтов.
2. Именные особенности: Из-за формата хранения имён (с инициалами) в топе часто встречаются однобуквенные инициалы. Среди полных имён наиболее популярны Michael и James.
3. География: Абсолютное лидерство США и России, однако присутствуют астронавты из 10+ стран, включая Японию, Китай, Германию, Канаду, Францию, Италию и даже Бельгию с Болгарией.
4. Ценность датасета: Позволяет анализировать не только демографию, но и миссии, длительность полётов, выходы в космос.

Эти результаты могут быть полезны для дальнейшего изучения истории космонавтики и международного сотрудничества в космосе.