добавление описания самостоятельного задания для файла README.md

README.md

@@ -1,4 +1,103 @@
-Освоить JupyterLab для работы с Python-кодом, анализа данных и визуализации.
+# Анализ зарплат в сфере Data Science
-Познакомиться с основами работы с pandas, numpy, matplotlib, seaborn и tqdm.
+
-Научиться комментировать код, изменять параметры и анализировать результат.
+Программа анализирует статистику зарплат в сфере Data Science (уровни опыта, типы занятости, года, зарплаты) и визуализирует ключевые метрики с помощью библиотек Python.
-Укрепить навыки работы с Git: вести репозиторий, фиксировать изменения, документировать процесс.
+
+## Технологии
+
+- **Python 3.14**
+- **pandas** — загрузка и обработка данных
+- **numpy** — математические операции
+- **matplotlib** — построение графиков
+- **seaborn** — визуализация
+- **tqdm** — отображение прогресса загрузки
+
+## Процесс работы программы
+
+### 1. Загрузка данных
+
+Программа считывает CSV-файл `data_science_job.csv`.
+
+Файл содержит данные о вакансиях в сфере Data Science со следующими столбцами:
+
+| Столбец | Описание |
+|---------|----------|
+| `work_year` | Год публикации вакансии |
+| `job_title` | Название должности |
+| `job_category` | Категория должности (Analysis, ML/AI, Engineering, Data Science) |
+| `salary_currency` | Валюта зарплаты |
+| `salary` | Зарплата в местной валюте |
+| `salary_in_usd` | Зарплата в долларах США (для единообразия) |
+| `employee_residence` | Страна проживания сотрудника |
+| `experience_level` | Уровень опыта (EN — начальный, MI — средний, SE — старший, EX — эксперт) |
+| `employment_type` | Тип занятости (FT — полный день, PT — частичная, CT — контракт, FL — фриланс) |
+| `work_setting` | Формат работы (Remote — удалённо, In-person — в офисе, Hybrid — гибридный) |
+| `company_location` | Страна расположения компании |
+| `company_size` | Размер компании (S — малая, M — средняя, L — крупная) |
+
+### 2. Визуализация загрузки
+
+Используется библиотека `tqdm` для отображения прогресс-бара при обработке строк.
+
+Пользователь видит процесс обработки данных в реальном времени (одна строка прогресса).
+
+### 3. Базовый анализ данных
+
+- Выводится информация о структуре данных (`df.info()`):
+  - Типы столбцов
+  - Количество непустых значений
+
+- Отображается статистика по числовым столбцам (`df.describe()`):
+  - Среднее значение зарплаты и года
+  - Стандартное отклонение
+  - Минимальные и максимальные значения
+  - Квартили (25%, 50%, 75%)
+
+- Выводится проверка пропущенных значений (`df.isnull().sum()`)
+
+- Отображаются уникальные значения в категориальных колонках
+
+### 4. Визуализация данных
+
+#### График 1: Гистограмма распределения зарплат
+
+**Цель:** Показать, как часто встречаются разные диапазоны зарплат среди вакансий в сфере Data Science.
+
+- **Ось X:** Зарплата (в долларах США)
+- **Ось Y:** Количество вакансий (частота)
+- **Характеристики:** Синие столбцы, 30 интервалов, сглаживающая кривая KDE, сетка
+
+#### График 2: Диаграмма рассеяния (год vs зарплата)
+
+**Цель:** Выявить взаимосвязь между годом публикации вакансии и уровнем зарплаты, с цветовым кодированием по уровню опыта.
+
+- **Ось X:** Год публикации (`work_year`)
+- **Ось Y:** Зарплата в USD
+- **Точки:** Цвет зависит от уровня опыта (`experience_level`), полупрозрачные для лучшей читаемости
+- **Дополнительно:** Легенда вынесена за пределы графика
+
+#### График 3: Boxplot распределения зарплат по уровням опыта
+
+**Цель:** Сравнить распределение зарплат для разных уровней опыта (боксплоты позволяют увидеть медиану, квартили и выбросы).
+
+- **Ось X:** Уровень опыта (EN — начальный, MI — средний, SE — старший, EX — эксперт)
+- **Ось Y:** Зарплата в USD
+
+**Элементы boxplot:**
+- Красная линия (в цветах по умолчанию) — медиана (50% данных)
+- Коробка — интервал между 25% и 75%
+- «Усы» — нормальный диапазон значений
+- Точки — выбросы (аномальные зарплаты)
+
+#### Дополнительный график 4: Количество вакансий по годам
+
+**Цель:** Показать динамику количества вакансий в сфере Data Science по годам.
+
+- **Ось X:** Год
+- **Ось Y:** Количество вакансий
+- **Характеристики:** Столбчатая диаграмма с градиентной цветовой схемой
+## Итог
+Программа позволяет:
+1. Быстро загрузить и проанализировать датасет с вакансиями
+2. Узнать основные статистические показатели зарплат
+3. Визуально оценить распределение зарплат и их зависимость от опыта и года
+4. Выявить выбросы и аномалии в данных