🌦️ Australia Weather Analysis

هل ممكن نفهم المطر من رطوبة وضغط وحرارة الجو؟ ده السؤال اللي بدأت بيه المشروع ده.

اشتغلت على بيانات الطقس الأسترالية (+140 ألف سجل من محطات كتير على مدى سنين)، وهدفي كان فهم العوامل اللي بتأثر على احتمالية نزول المطر في اليوم التالي (RainTomorrow) وتجهيز الداتا للتحليل.

اللي عملته:

🧹 Data Cleaning

تعاملت مع القيم المفقودة اللي كانت كتيرة في بعض الأعمدة

راجعت القيم الشاذة وظبطت أنواع البيانات

⚙️ Data Processing

حوّلت المتغيرات الفئية لصيغة رقمية

جهزت الـ features بشكل منظم

📊 Exploratory Data Analysis

حللت توزيع 12 متغير رقمي (الضغط، الرطوبة، درجات الحرارة، سرعة الرياح، الأمطار) باستخدام Histograms و Boxplots

عملت Correlation Heatmap لاكتشاف العلاقات بين المتغيرات

قارنت توزيع درجات الحرارة بين الأيام الممطرة وغير الممطرة باستخدام KDE plots

عملت Visualizations تفاعلية باستخدام Plotly

✅ Validation

راجعت جودة الداتا وصحة النتايج قبل الاعتماد عليها

🔍 أهم الاستنتاجات:

الرطوبة الساعة 3 العصر من أقوى المؤشرات على نزول المطر في اليوم التالي، لأن الأيام الممطرة بتبقى رطوبتها أعلى بشكل واضح

فيه ارتباط قوي بين الضغط الصبح والضغط العصر، وكمان بين درجة الحرارة الصبح والعظمى

الأيام الممطرة غالباً بتبقى حرارتها العظمى أقل من الأيام الجافة

عمود الأمطار (Rainfall) فيه قيم شاذة كتيرة لأن أغلب الأيام مطرها قليل أو صفر، وفي أيام قليلة بتنزل أمطار غزيرة جداً

الداتا غير متوازنة، الأيام الجافة أكتر بكتير من الممطرة (تقريباً 3 أضعاف)، وده لازم يتاخد في الاعتبار لو اتبنى موديل بعد كده

🛠️ الأدوات: Python • Pandas • NumPy • Matplotlib • Seaborn • Plotly