🎉 Результаты розыгрыша:

🏆 Победители:
1. Илья - г. Шахты, Ростовская область - Игра в цифры
2. Наталья - г. Москва - Графики которые убеждают
3. Алина - г. Самара - Погружение в аналитику
4. Ольга - г. Санкт Петербург - Данные: Визуализируй
5. Александра - г. Москва - Статистика и Котики

Ники и ссылки на странице скрыты от ботов
убедиться в результатах можно по ссылке

✔️Проверить результаты

#Воспоминания:
🧦Пост для милениалов 35+

Утроился я в снежную королеву, моя вторая, хоть и не долгая работа аналитиком.

Первая неделя, молоденькая hr💃, назначает мне встречу вместе с другими новичками в компании. 👯‍♀👯‍♂

Идёт встреча, нам показали как выглядит на фото генеральный директор, все знакомятся, очередь доходит до меня и у меня спрашивают:
- Виталий, что Вы знаете о компании?
- Снежная королева, модные куртки справа и слева, есть подешевле, есть подороже, королевский выбор кожи! Метро Войковская, снежная королева.
-...

Вообще никто ничего не понял.
Ни hr, ни новые сотрудники.
И как с вами работать, дорогие зумеры?

📎Автоматизируем подготовку промтов для GPT: Python-функция для детального описания DataFrame

🕵‍♂️Следствие установило, что для получения качественного ответа (без загрузки базы в чат) часто приходится потратить довольно много времени на описание таблицы, где какой тип данных, примеры, формат, количество nan значений, диапазон дат и прочие нюансы.
Будто при допросе вместо описания преступника, следователь внимательно изучает все родинки у допрашиваемого лица. И у адвоката.
⏰В качестве жертвы у нас рабочее время, которое можно потратить на описание задачи.

В какой то момент я подумал, а почему бы не сделать универсальную функцию которая будет собирать эту информацию за меня, и до кучи сразу писать какой-нибудь усредненный промт (обычно писать мне его лень, и вы можете его подкорректировать под себя)

⬇️ В общем вашему вниманию представляю эту функцию.

Всё что нужно, это вставить код в ячейку, и в следующей команде указать ваш датафрейм. Принт выведет вам готовый промт с описанием вашей таблицы, расскажет тип данных каждого столбца, покажет примеры значений, диапазоны и количество пропусков, а заодно проверит датафрейм на дубликаты.

Простой пример на основе календаря, но в функции учитываются и числа с точкой.

prompt = generate_df_prompt(calend, "calend")  # Второй аргумент имя таблицы
print(prompt)

Сама функция в первом комментарии к посту

✏️ А как вы готовите промты для анализа данных? Делитесь вашими лайфхаками в комментариях. И ставьте 🐳 если используете ИИ.