import mysql.connector
import pandas as pd
mydb = mysql.connector.connect(
    host="localhost",
    port="3317",
    user="root",
    password="Cancer159x",
)
cursor = mydb.cursor()
cursor.execute('USE alc')
df = pd.read_sql('SELECT * FROM alc', con=mydb)
df

	country	alcconsumption	incomeperperson	suicideper100th	employrate	urbanrate
0	Afghanistan	0.03		6.684385	55.70000076	24.04
1	Albania	7.29	1914.996551	7.699330	51.40000153	46.72
2	Algeria	0.69	2231.993335	4.848770	50.5	65.22
3	Andorra	10.17	21943.3399	5.362179		88.92
4	Angola	5.57	1381.004268	14.554677	75.69999695	56.70
...	...	...	...	...	...	...
176	Venezuela	7.60	5528.363114	4.119620	59.90000153	93.32
177	Vietnam	3.91	722.8075588	11.653322	71	27.84
178	Yemen, Rep.	0.20	610.3573673	6.265789	39	30.64
179	Zambia	3.56	432.226337	12.019036	61	35.42
180	Zimbabwe	4.96	320.7718899	13.905267	66.80000305	37.34

181 rows × 6 columns

import numpy as np
import pandas as pd
import scipy.stats as stats
import seaborn as sns
from statistics import mean
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure

užduotis. Išskirti penkias šalis, kuriose daugiausiai suvartojamo alkoholio.

df = df.sort_values(by='alcconsumption', ascending=False)
df.head(5)

	country	alcconsumption	incomeperperson	suicideper100th	employrate	urbanrate
108	Moldova	23.01	595.8745345	15.53849	44.29999924	41.76
87	Korea, Rep.	19.15	16372.49978	22.40456	58.90000153	81.46
15	Belarus	18.85	2737.670379	26.87469	53.40000153	73.46
169	Ukraine	17.47	1036.830725	18.95457	54.40000153	67.98
55	Estonia	17.24	6238.537506	16.95924	56.5	69.46

hipotezė. Ar Lietuva daugiausiai alkoholio suvartojanti šalis.

df.iloc[7,:]

country              Lithuania
alcconsumption            16.3
incomeperperson    5332.238591
suicideper100th       33.34186
employrate         53.09999847
urbanrate                66.96
Name: 96, dtype: object

Lietuva nėra daugiausiai alkoholio suvartojanti šalis, bet pasaulio sąraše užima 8 vietą, kas nėra gerai.

užduotis, išskirti penkias šalis kuriose mažiausias darbo užmokestis.

df = df.sort_values(by='incomeperperson', ascending=True)
df.iloc[5: 10]

	country	alcconsumption	incomeperperson	suicideper100th	employrate	urbanrate
38	Congo, Dem. Rep.	3.39	103.7758572	14.713020	66.19999695	33.96
169	Ukraine	17.47	1036.830725	18.954570	54.40000153	67.98
164	Trinidad and Tobago	6.16	10480.8172	14.547167	61.5	13.22
6	Argentina	9.35	10749.41924	7.765584	58.40000153	92.00
103	Malta	4.10	11066.78414	4.551121	46.79999924	94.26

hipotezė. Ar tiesa, kad mažai uždirbančiose šalyse mažai suvartojama alkoholio?

Uždarbis neturi įtakos alkoholio suvartojimui, Ukrainoje galima matyti, kad uždarbis mažas bet alkoholio suvartojimas labai didelis.

Ar alkoholio vartojimas yra susijęs su savižudybėmis?

df = df.sort_values(by='suicideper100th', ascending=False)
df.head(10)

	country	alcconsumption	incomeperperson	suicideper100th	employrate	urbanrate
70	Guyana	8.70	1200.652075	35.752872	58.90000153	28.38
96	Lithuania	16.30	5332.238591	33.341860	53.09999847	66.96
148	Somalia	0.50		29.864164	66	36.52
151	Sri Lanka	0.81	1295.742686	28.104046	55.09999847	15.10
133	Russia	16.23	2923.144355	27.874160	58.79999924	72.84
15	Belarus	18.85	2737.670379	26.874690	53.40000153	73.46
90	Laos	6.99	554.8798401	26.219198	78.19999695	30.88
85	Kazakhstan	11.10	2481.718918	25.404600	63.70000076	57.94
87	Korea, Rep.	19.15	16372.49978	22.404560	58.90000153	81.46
153	Suriname	6.56	2668.020519	20.747431	44.70000076	74.92

hipotezė. Ar daug geriantys žudosi?

Asmenys gyvenantys šalyse, kuriose geria daug, yra linkę ir į savižudybes.

užudotis. Ar alkoholio vartojimas ir bedarbystė yra susiję reiškiniai?

df.sort_values(by=['alcconsumption', 'employrate'])

	country	alcconsumption	incomeperperson	suicideper100th	employrate	urbanrate
0	Afghanistan	0.03		6.684385	55.70000076	24.04
122	Pakistan	0.05	668.547943	12.869815	51	36.16
95	Libya	0.10	7885.468037	4.667025	48.59999847	77.54
88	Kuwait	0.10		1.498057	65.69999695	98.36
104	Mauritania	0.11	609.1312059	6.882952	46.90000153	41.00
...	...	...	...	...	...	...
55	Estonia	17.24	6238.537506	16.959240	56.5	69.46
169	Ukraine	17.47	1036.830725	18.954570	54.40000153	67.98
15	Belarus	18.85	2737.670379	26.874690	53.40000153	73.46
87	Korea, Rep.	19.15	16372.49978	22.404560	58.90000153	81.46
108	Moldova	23.01	595.8745345	15.538490	44.29999924	41.76

181 rows × 6 columns

hipotezė. Ar bedarbystė skatina alkoholio vartojimą?

Ne, šalyse, kuriose daug išgeriama yra ir nemažas darbingumo lygis.

užduotis. Išsskirti šalis su didžiausia miesto plėtra, bet mažiausiai suvartojamu alkoholio kiekiu.

df = df.sort_values(["urbanrate", "alcconsumption"], ascending = (False, False))
df.head(10)

	country	alcconsumption	incomeperperson	suicideper100th	employrate	urbanrate
144	Singapore	1.54	32535.83251	9.127511	62.40000153	100.00
88	Kuwait	0.10		1.498057	65.69999695	98.36
16	Belgium	10.41	24496.04826	15.953850	48.59999847	97.36
131	Qatar	1.29	33931.83208	2.515721	76	95.64
103	Malta	4.10	11066.78414	4.551121	46.79999924	94.26
176	Venezuela	7.60	5528.363114	4.119620	59.90000153	93.32
173	Uruguay	8.99	9106.327234	14.537270	57.5	92.30
74	Iceland	7.38	33945.31442	11.426181	73.59999847	92.26
6	Argentina	9.35	10749.41924	7.765584	58.40000153	92.00
80	Israel	2.52	22275.75166	5.931845	51.29999924	91.66

hipotezė. Ar miesto plėtra teigiamai įtakoja suvartojamo alkoholio kiekį?

Teigiamai, plėtra mažina suvartojamo alkoholio kiekį.

papildoma užduotis. Parodyti, tik tas šalis kuriose alkoholio išgeriama ne mažiau nei 10 litrų per metus ir parodyti kiek alkoholio vidutiniškai per metus yra suvartojama visose šalyse.

df[df.alcconsumption > 10.99]

	country	alcconsumption	incomeperperson	suicideper100th	employrate	urbanrate
108	Moldova	23.01	595.8745345	15.538490	44.29999924	41.76
87	Korea, Rep.	19.15	16372.49978	22.404560	58.90000153	81.46
15	Belarus	18.85	2737.670379	26.874690	53.40000153	73.46
169	Ukraine	17.47	1036.830725	18.954570	54.40000153	67.98
55	Estonia	17.24	6238.537506	16.959240	56.5	69.46
45	Czech Rep.	16.47	7381.312751	12.367980	56	73.50
168	Uganda	16.40	377.4211133	12.289122	83.19999695	12.98
96	Lithuania	16.30	5332.238591	33.341860	53.09999847	66.96
133	Russia	16.23	2923.144355	27.874160	58.79999924	72.84
132	Romania	16.15	2636.7878	10.059320	49.5	54.24
73	Hungary	16.12	5634.003948	20.162010	47.29999924	67.50
42	Croatia	15.00	6338.494668	14.776250	47.09999847	57.28
146	Slovenia	14.94	12729.4544	19.422610	55.90000153	48.60
79	Ireland	14.92	27595.09135	10.365070	59.90000153	61.34
129	Poland	14.43	6575.745044	13.637060	48.70000076	61.32
130	Portugal	13.89	11744.83417	8.188375	57.59999847	59.46
7	Armenia	13.66	1326.741757	3.741588	40.09999847	63.86
91	Latvia	13.45	5011.219456	20.369590	56.79999924	68.12
10	Azerbaijan	13.34	2344.896916	1.380965	60.90000153	51.92
145	Slovak Republic	13.31	8445.526689	10.645740	53.40000153	56.56
171	United Kingdom	13.24	28033.48928	6.014659	59.29999924	89.94
58	Finland	13.10	27110.73159	16.234370	57.20000076	63.30
97	Luxembourg	12.84	52301.58718	12.405918	53.5	82.44
119	Nigeria	12.72	544.5994767	7.631050	50.90000153	48.36
59	France	12.48	22878.46657	14.091530	51.20000076	77.36
9	Austria	12.40	26692.98411	13.094370	57.09999847	67.16
141	Serbia	12.21	1194.711433	13.716340		52.04
63	Germany	12.14	25306.18719	9.211085	53.5	73.64
142	Seychelles	12.11	8614.120219	9.507928		54.34
113	Namibia	12.09	2667.24671	8.021970	42	36.84
135	Saint Lucia	12.05	5248.582321	8.210948		27.84
46	Denmark	12.02	30532.27704	8.973104	63.09999847	86.68
150	Spain	11.83	15461.75837	5.888479	52.5	77.12
156	Switzerland	11.41	37662.75125	13.239810	64.30000305	73.48
25	Bulgaria	11.40	2549.558474	9.216544	47.29999924	71.10
85	Kazakhstan	11.10	2481.718918	25.404600	63.70000076	57.94
65	Greece	11.01	13577.87989	2.816705	49.59999847	61.00

df["alcconsumption"].mean()

6.7333149171270685

Papildoma užduotis. Palyginti, kiek išgeria Lietuviai, Rusai ir Ukrainiečiai.

countries = ['Lithuania', 'Russia', 'Ukraine']
slices = [16.3, 16.23, 17.47]
color = ['g', 'r', 'b']
plt.pie(slices, labels=countries, colors=color, shadow=True, startangle=90, autopct='%1.2f%%')
plt.legend()
plt.show()

Išvados

Išvados būtų tokios

Pasaulyje, kas metus yra išgeriama vos ne 7 litrai alkoholio per metus, kas nėra mažai, šie skaičiai kas metus didėja ir tai nėra į naudą.
Lietuva patenka i top 10 sarašą pagal suvartojamą alkoholį, ne itin garbinga vieta būti tokiame saraše.
Geriantys žmonės labiau linkę į savižudybes, bet kaip bebūtų keista, darbingumui tai netrugdo.
Tiek Ukraina, Tiek Lietuva, uždirba itin mažai, bet išgeria itin daug.
Žinome, kad alkoholis naikina smegenų lasteles, tokiu gėrimo mąstu pradės mažėti darbingumas, bus daugiau smurto šeimose, taigi kalbant apie alkoholį viskas eina į ne kokią pusę.</font>