Python для аналитика

Зачем аналитику Python?

Python расширяет возможности аналитика: автоматизация рутины, сложный анализ, машинное обучение, работа с API. Это не замена SQL и Excel, а мощное дополнение.

Что учить в первую очередь

1. Pandas - работа с таблицами

Pandas - это Excel на стероидах. 90% работы аналитика в Python - это Pandas.

import pandas as pd

# Загрузка данных
df = pd.read_csv('orders.csv')

# Фильтрация
df_paid = df[df['status'] == 'paid']

# Группировка
revenue_by_day = df.groupby('date')['amount'].sum()

# Новые колонки
df['month'] = pd.to_datetime(df['date']).dt.month

2. NumPy - работа с числами

NumPy нужен для математических операций и статистики.

import numpy as np

# Статистика
mean = np.mean(data)
median = np.median(data)
std = np.std(data)

# Перцентили
p95 = np.percentile(data, 95)

3. Matplotlib / Seaborn - визуализация

Для построения графиков и визуального анализа.

import matplotlib.pyplot as plt
import seaborn as sns

# Простой график
plt.plot(dates, revenue)
plt.title('Revenue by Day')
plt.show()

# Seaborn - красивее
sns.lineplot(data=df, x='date', y='revenue')
sns.barplot(data=df, x='category', y='sales')

Совет: Начни с Jupyter Notebook - это интерактивная среда, где удобно экспериментировать с данными.

Практические примеры

Расчёт Retention

# Когортный анализ
cohorts = df.groupby(['cohort_month', 'activity_month']).agg({
    'user_id': 'nunique'
}).reset_index()

cohorts['retention'] = cohorts.groupby('cohort_month')['user_id'].transform(
    lambda x: x / x.iloc[0]
)

A/B тест

from scipy import stats

# t-тест для сравнения групп
control = df[df['group'] == 'control']['metric']
test = df[df['group'] == 'test']['metric']

t_stat, p_value = stats.ttest_ind(control, test)
print(f'p-value: {p_value:.4f}')

Ресурсы для обучения

Stepik - курсы по Python на русском
Kaggle Learn - бесплатные курсы с практикой
DataCamp - интерактивные уроки
Практика на Kaggle - реальные датасеты

Хочешь освоить Python для аналитики?

На менторстве разбираем реальные задачи и строим проекты для портфолио

Узнать про менторство →

💬 Комментарии

Будьте первым, кто оставит комментарий!

Python для аналитика - с чего начать и что учить