Вот несколько методов анализа данных в Python вместе с примерами кода:

1. Обработка данных:
   • Метод: библиотека Pandas
   • Пример кода:

import pandas as pd
# Read data from CSV file
data = pd.read_csv('data.csv')
# Perform data cleaning and preprocessing
# ...
# Perform data transformations
# ...
# Perform feature engineering
# ...

2. Исследовательский анализ данных (EDA):
   • Метод: библиотека Seaborn
   • Пример кода:

import seaborn as sns
# Load dataset
data = sns.load_dataset('iris')
# Visualize data distributions
sns.pairplot(data, hue='species')

3. Визуализация данных:
   • Метод: библиотека Matplotlib
   • Пример кода:

import matplotlib.pyplot as plt
# Create a bar chart
x = ['A', 'B', 'C']
y = [10, 15, 7]
plt.bar(x, y)
plt.xlabel('Categories')
plt.ylabel('Counts')
plt.title('Bar Chart')
plt.show()

4. Машинное обучение:
   • Метод: библиотека Scikit-learn
   • Пример кода (линейная регрессия):

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
# Load dataset
data = pd.read_csv('data.csv')
X = data[['feature1', 'feature2']]
y = data['target']
# Split data into training and test sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
# Create a linear regression model
model = LinearRegression()
# Train the model
model.fit(X_train, y_train)
# Make predictions
y_pred = model.predict(X_test)

5. Обработка естественного языка (NLP):
   • Метод: библиотека NLTK
   • Пример кода (токенизация текста):

from nltk.tokenize import word_tokenize
# Text to be tokenized
text = "This is a sample sentence."
# Tokenize the text
tokens = word_tokenize(text)
print(tokens)