Введение
Аналитик данных тратит до 80% времени на подготовку и очистку данных, и только 20% — на сам анализ. С появлением больших языковых моделей (LLM) этот баланс можно сместить: ChatGPT, Claude и другие модели способны генерировать рабочий код на Python (pandas, matplotlib, seaborn), предлагать гипотезы и интерпретировать результаты. Но чтобы получить качественный вывод, нужны точные промты.
В этой подборке — 12 проверенных запросов, которые покрывают полный цикл работы с данными: от загрузки сырого CSV до разведочного анализа (EDA), поиска закономерностей и создания готовых графиков. Каждый промт содержит описание задачи, пример запроса и пример ответа модели. Вы можете копировать их и подставлять свой датасет.
1. Загрузка и первичный осмотр данных
Задача: Быстро понять структуру датасета, типы колонок, наличие пропусков и выбросов.
Промт:
Ты — аналитик данных. Загрузи CSV-файл 'sales_data.csv' с помощью pandas. Выведи:
- первые 5 строк,
- информацию о типах данных и пропущенных значениях (df.info()),
- описательные статистики для числовых колонок (df.describe()),
- количество уникальных значений в категориальных колонках.
Сделай краткий вывод о качестве данных.
Пример ответа: Модель сгенерирует код и пояснит, что в колонке 'revenue' 12% пропусков, а в 'category' — 3 уникальных значения. Рекомендует заполнить пропуски медианой.
2. Очистка данных: пропуски и дубликаты
Задача: Автоматически обработать пропуски, дубликаты и аномалии.
Промт:
Напиши код на pandas для очистки датасета 'customers.csv':
- удали полные дубликаты,
- заполни пропуски в числовых колонках медианой, в категориальных — модой,
- приведи названия колонок к snake_case,
- преобразуй даты в формат datetime.
Объясни каждое действие.
Пример использования: Вы получаете готовый пайплайн очистки, который можно применить к любому похожему датасету.
3. Разведочный анализ (EDA) с автоматическими выводами
Задача: Провести EDA и получить текстовую интерпретацию.
Промт:
Проведи разведочный анализ данных для датасета 'marketing_campaign.csv'. Рассчитай корреляции между числовыми признаками, построй матрицу корреляций. Выяви топ-5 признаков, наиболее связанных с целевой переменной 'conversion'. Сформулируй 3 гипотезы о влиянии этих признаков.
Пример ответа: Модель покажет, что 'time_on_site' и 'previous_purchases' имеют корреляцию 0.65 с конверсией, и предложит гипотезы: «Пользователи, проводящие больше времени на сайте, чаще конвертируются».
4. Визуализация распределений
Задача: Построить гистограммы и boxplot для числовых колонок.
Промт:
С помощью matplotlib и seaborn построй сетку графиков (2x3) для числовых колонок датасета 'transactions.csv': гистограммы с KDE и boxplot. Добавь заголовки и подписи осей. Сохрани график в файл 'distributions.png'.
Пример: Вы получаете готовый код, который создаст информативный дашборд распределений.
5. Поиск выбросов и аномалий
Задача: Обнаружить выбросы методами IQR и Z-score.
Промт:
Напиши функцию на Python для обнаружения выбросов в колонке 'price' датасета 'products.csv' с помощью межквартильного размаха (IQR). Выведи количество выбросов и их значения. Предложи, как с ними поступить: удалить, заменить или оставить.
Пример ответа: Модель сообщит, что 2% значений — выбросы, и рекомендует заменить их границами IQR.
6. Анализ временных рядов
Задача: Построить тренд и сезонность.
Промт:
У меня есть временной ряд продаж по дням в 'sales_timeseries.csv'. Построй график с скользящим средним (окно 7 дней), декомпозицию (тренд, сезонность, остатки) с помощью statsmodels. Определи, есть ли восходящий тренд.
Пример: Модель сгенерирует код и пояснит, что тренд положительный, а пик продаж приходится на выходные.
7. Сравнение категорий
Задача: Визуализировать различия между группами.
Промт:
Построй barplot и boxplot для сравнения среднего чека по категориям товаров из датасета 'orders.csv'. Используй seaborn. Добавь аннотации со значениями. Сделай вывод, в какой категории чек самый высокий.
Пример ответа: График покажет, что категория «Электроника» имеет наибольший средний чек.
8. Корреляционный анализ и тепловая карта
Задача: Визуализировать корреляции.
Промт:
Рассчитай матрицу корреляций Пирсона для числовых признаков датасета 'real_estate.csv'. Построй тепловую карту с помощью seaborn с аннотациями. Выдели пары признаков с корреляцией выше 0.7.
Пример: Модель покажет, что 'area' и 'price' сильно коррелируют (0.85).
9. Генерация сводных таблиц (pivot tables)
Задача: Агрегировать данные по группам.
Промт:
Создай сводную таблицу из датасета 'sales.csv': строки — 'region', столбцы — 'product_category', значения — сумма 'revenue'. Отсортируй по убыванию. Выведи топ-3 региона по продажам.
Пример ответа: Модель вернёт таблицу и выделит регион «Север» с максимальной выручкой.
10. Автоматический отчёт с выводами
Задача: Сгенерировать текстовый отчёт по данным.
Промт:
На основе датасета 'employee_attrition.csv' напиши краткий аналитический отчёт: ключевые метрики, факторы, влияющие на увольнение, и рекомендации для HR. Используй статистику и графики.
Пример: Модель создаст отчёт с выводами: «Сотрудники с низкой удовлетворённостью работой увольняются в 3 раза чаще».
11. Проверка статистических гипотез
Задача: Провести t-тест или ANOVA.
Промт:
Проверь гипотезу: средний чек покупателей из группы A отличается от группы B. Используй t-тест для независимых выборок из датасета 'ab_test.csv'. Выведи p-value и интерпретируй результат.
Пример ответа: p-value = 0.03, разница статистически значима.
12. Оптимизация кода и ускорение анализа
Задача: Ускорить обработку больших данных.
Промт:
Мой код на pandas обрабатывает 10 млн строк слишком медленно. Предложи оптимизации: использование vectorization, категориальных типов, chunking. Перепиши код с применением этих техник.
Пример: Модель заменит циклы на vectorized операции и уменьшит время выполнения в 5 раз.
Заключение
Эти 12 промтов покрывают ключевые этапы работы с данными: от загрузки до визуализации и статистических выводов. Используйте их как шаблоны, адаптируя под свои задачи. Помните: LLM не заменяет аналитика, но значительно ускоряет рутинные операции и помогает находить инсайты. Экспериментируйте, комбинируйте промты и всегда проверяйте результаты.
Для углублённого изучения анализа данных и Python рекомендуем курсы на asibiont.com.
Comments