10 промтов для Data Science: анализ данных, визуализация и Pandas
Data Science — это не только магия алгоритмов, но и искусство задавать правильные вопросы данным. Даже с идеальным датасетом, без чётких инструкций AI-ассистенты (вроде ChatGPT, Claude или Gemini) могут выдать общие ответы. Промты — это мост между вашей задачей и возможностями нейросети. В этой подборке — 10 готовых решений для работы с Pandas, Matplotlib и Seaborn. Каждый промт проверен на практике и включает код, который можно скопировать в Jupyter Notebook.
1. Базовый анализ датасета (EDA)
Когда использовать: Вы получили новый CSV и хотите быстро понять его структуру, пропуски и типы данных.
Промт: «У меня есть датасет df (загружен в pandas). Напиши код для вывода: первых 5 строк, info(), describe(), количества пропусков в каждой колонке, уникальных значений для категориальных колонок. Добавь комментарии к каждой строке.»
Пример: После выполнения вы увидите, что колонка 'age' имеет 12% пропусков, а 'salary' — выбросы свыше 1 млн. Это сразу укажет на необходимость обработки.
2. Очистка данных: удаление дубликатов и пропусков
Когда использовать: Данные содержат мусор, который мешает анализу.
Промт: «В датасете df есть дубликаты по колонке 'user_id' и пропуски в 'income'. Напиши код: удали полные дубликаты, заполни пропуски в 'income' медианой, а в 'city' — модой. Выведи количество удалённых строк.»
Пример: Код вернёт Удалено 23 дубликата. Это повышает точность модели, так как дубликаты искажают статистику.
3. Группировка и агрегация (Pandas groupby)
Когда использовать: Нужно посчитать средние продажи по регионам или месяцы.
Промт: «Датасет df содержит колонки 'region', 'month', 'sales'. Напиши код для группировки по 'region' и 'month', вычисления суммы и среднего sales. Результат отсортируй по убыванию суммы. Выведи топ-5 строк.»
Пример: Вы увидите, что регион 'North' в декабре даёт максимум — 450 тыс. Это поможет в планировании рекламных бюджетов.
4. Визуализация распределения (гистограмма + boxplot)
Когда использовать: Оценка распределения числовой переменной, поиск выбросов.
Промт: «Построй в Matplotlib и Seaborn гистограмму и boxplot для колонки 'price' из df. На гистограмме добавь линию среднего. На boxplot подсвети выбросы красным. Размер фигуры — 12×5.»
Пример: График покажет, что большинство цен — от 50 до 150, но есть выброс до 5000 — возможно, ошибка ввода.
5. Корреляционная матрица и тепловая карта
Когда использовать: Выявление взаимосвязей между признаками.
Промт: «Для числовых колонок df построй корреляционную матрицу (Pearson) и визуализируй её тепловой картой Seaborn. Подпиши значения на ячейках. Размер — 10×8. Выведи пары с корреляцией >0.8.»
Пример: Обнаружена корреляция 0.95 между 'experience_years' и 'salary' — это подтверждает гипотезу и позволяет отбросить мультиколлинеарные признаки.
6. Фильтрация и условные выборки
Когда использовать: Нужно выделить подмножество данных по сложному условию.
Промт: «Из df выбери строки, где 'age' > 30, 'salary' > 50000 и 'city' == 'Moscow'. Создай новый датафрейм. Посчитай количество таких записей и среднюю зарплату.»
Пример: filtered_df содержит 340 строк, средняя зарплата — 78 000. Это сегмент для HR-анализа.
7. Создание новых признаков (Feature Engineering)
Когда использовать: Исходные данные бедны, нужно добавить производные колонки.
Промт: «В df есть колонки 'purchase_date' и 'amount'. Создай колонки: 'year', 'month', 'weekday', 'amount_log' (логарифм amount), 'is_weekend'. Выведи первые 5 строк с новыми колонками.»
Пример: Модель с признаком 'is_weekend' показала прирост accuracy на 3% в задаче прогноза покупок.
8. Временные ряды: скользящее среднее и тренд
Когда использовать: Анализ продаж по дням, выявление сезонности.
Промт: «Датасет df с колонками 'date' и 'sales'. Установи 'date' как индекс. Построй график с исходными данными и скользящим средним за 7 дней (окно=7). Добавь заголовок и легенду. Используй Seaborn для стилизации.»
Пример: График сгладит шум и покажет восходящий тренд в апреле 2026, что коррелирует с запуском рекламной кампании.
9. Сравнение категорий (barplot с ошибками)
Когда использовать: Сравнение средних значений по группам с доверительными интервалами.
Промт: «Построй barplot в Seaborn для колонок 'category' (ось X) и 'score' (ось Y). Добавь планки погрешностей (95% CI). Подпиши оси. Выведи таблицу средних и std для каждой категории.»
Пример: Категория 'Premium' имеет средний score 88±5, а 'Basic' — 55±12. Разница статистически значима (p<0.05 по t-тесту).
10. Экспорт результатов в Excel с форматированием
Когда использовать: Нужно отдать заказчику аккуратный отчёт.
Промт: «Создай Excel-файл 'report.xlsx' с тремя листами: 'Summary' — таблица средних, 'Details' — первые 100 строк df, 'Chart' — гистограмма. На листе 'Summary' выдели жирным заголовки и установи ширину колонок по содержимому.»
Пример: Файл открывается в Excel без искажений, что экономит 30 минут ручной работы.
Заключение
Эти 10 промтов покрывают 90% повседневных задач data scientist’а: от первичного осмотра данных до финального экспорта. Сохраните их в шпаргалку — и вы сможете тратить меньше времени на написание кода и больше — на интерпретацию результатов. Попробуйте адаптировать каждый под свой датасет уже сегодня: замените названия колонок и проверьте, насколько быстрее пойдёт анализ.
Комментарии