R-script анализ датасета Жильцов Даниил

Материал из Поле цифровой дидактики

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

Код программы в RStudio

Вывод 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.

Топ-10 стран по числу астронавтов

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.
  • 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.

Источник — http://digida.mgpu.ru/index.php?title=R-script_анализ_датасета_Жильцов_Даниил&oldid=47473