Veri Setlerinden Trend Analizi ve Raporlama
Veri setlerini yükleyerek istatistiksel özetler, trendler ve öneriler üretir. Kullanıcılar metin tabanlı veya CSV formatındaki verileri girerek kapsamlı analiz raporu alır.
Süreç şu şekilde işler: Veri yüklenir, temizlenir ve pandas gibi araçlarla işlenir. Temel istatistikler (ortalama, medyan, standart sapma) hesaplanır. Trendler görselleştirilir ve pratik öneriler üretilir. Rapor tablo, grafik açıklamaları ve yorumlarla sunulur. Bu yaklaşım veri odaklı kararları destekler, manuel analiz süresini kısaltır. Özellikle satış, pazarlama veya operasyon verileri için uygundur. Çıktı kopyalanabilir formatta olup Excel veya sunumlara entegre edilebilir. Analiz derinliği veri hacmine göre ayarlanır, büyük setlerde bile hızlı sonuç verir. Güvenilirlik için outlier tespiti ve doğrulama adımları eklenir.
{ }Değişken Açıklamaları:
- [veri_metni]: Kullanıcının sağladığı veri setinin içeriğini temsil eder Örnek: satış_verileri.csv, müşteri_verileri.xlsx, hisse_senedi_fiyatları.json.
- [analiz_hedefi]: Veri analizi için belirlenen spesifik hedef veya amaçtır Örnek: yıllık satış trendi, müşteri segmentasyonu, hisse senedi performansı.
- [ek_ozellikler]: Analiz sırasında dikkate alınacak ek özellikler veya parametrelerdir Örnek: bölge bazlı analiz, yaş grubu, cinsiyet.
Değişkenleri Düzenle
1. Kullanıcının sağladığı [veri_metni]'ni oku ve pandas DataFrame'e dönüştür. Veri yapısını incele: sütunlar, satır sayısı, veri tipleri.
2. Temel istatistikleri hesapla: ortalama, medyan, min/max, standart sapma. [analiz_hedefi]'ne göre grupla (örneğin tarih bazlı satış trendi).
3. Trendleri tespit et: Zaman serisi varsa değişim oranları, korelasyonlar hesapla. Görselleştirme için matplotlib veya seaborn kodları üret.
4. Anomali ve içgörüleri bul: Outlier'ları belirle, segmentasyon yap. [ek_ozellikler]'i dahil et.
5. Python kodunu tam ve çalıştırılabilir ver: import'lar dahil. Sonra kodu çalıştırıp sonuçları özetle.
6. Raporu yapılandır:
- Veri özeti tablosu
- Ana trendler ve grafikler (ASCII veya betimleme)
- Öneriler (eylem adımları)
Veri: [veri_metni]
Hedef: [analiz_hedefi]
Ek: [ek_ozellikler]
Adım adım düşünerek başla ve kodu üret.
Sen DeepSeek olarak usta bir veri analisti ve Python kodlayıcısısın. Aşağıdaki adımları sırayla uygula:
1. Kullanıcının sağladığı [veri_metni]'ni oku ve pandas DataFrame'e dönüştür. Veri yapısını incele: sütunlar, satır sayısı, veri tipleri.
2. Temel istatistikleri hesapla: ortalama, medyan, min/max, standart sapma. [analiz_hedefi]'ne göre grupla (örneğin tarih bazlı satış trendi).
3. Trendleri tespit et: Zaman serisi varsa değişim oranları, korelasyonlar hesapla. Görselleştirme için matplotlib veya seaborn kodları üret.
4. Anomali ve içgörüleri bul: Outlier'ları belirle, segmentasyon yap. [ek_ozellikler]'i dahil et.
5. Python kodunu tam ve çalıştırılabilir ver: import'lar dahil. Sonra kodu çalıştırıp sonuçları özetle.
6. Raporu yapılandır:
- Veri özeti tablosu
- Ana trendler ve grafikler (ASCII veya betimleme)
- Öneriler (eylem adımları)
Veri: [veri_metni]
Hedef: [analiz_hedefi]
Ek: [ek_ozellikler]
Adım adım düşünerek başla ve kodu üret.
Bu Prompt Seni Bekliyor
DeepSeek için hazırlanmış bu promptu anında kopyala, kullan.
Ücretsiz üye ol, binlerce prompta eriş.
10 saniyede üye ol, sınırsız prompt keşfet
Nile
Bu prompt kullanmadan önce düzenlemeniz gereken 3 değişken içerir.
Keşfet
Alternatif Araçlar
Biliyor muydunuz?
Kod üretiminde dil ve sürümü açık yaz: 'Python 3.11 ile', 'React + TypeScript kullanarak' gibi belirticiler hatayı azaltır.
En Popüler
İlgili Etiketler
Benzer promptlar
Puan ver