Veri Setlerini Adım Adım Analiz Etme

Veri Analizi süreçlerinde manuel hesaplama ve görselleştirme yükünü ortadan kaldıran bu prompt, DeepSeek ile CSV, Excel veya JSON formatındaki veri dosyalarını adım adım işler. Kullanıcı veri dosyasını ve analiz hedefini belirtir; sistem otomatik olarak genel özet (satır/sütun sayısı, veri tipleri, eksik değerler), temel istatistikler (ortalama, medyan, min/max, standart sapma), kategorik frekans dağılımları ve korelasyon matrisi üretir.

Analiz adımları: Veri yükleme ve özet; sayısal sütunlar için istatistiksel metrikler; kategorik sütunlar için frekans tabloları; zaman serisi veya segmentasyon odaklı analiz (satış trendi, müşteri grupları gibi); aykırı değer tespiti ve temizleme önerileri; görselleştirme için hazır Python kodu (pandas, matplotlib, seaborn). Çıktı Markdown tabloları, madde madde bulgular ve kopyala-yapıştır hazır script içerir.

Veri bilimciler ve iş analistleri için pratik çözüm; manuel kodlama gerektirmeden kapsamlı analiz raporu ve çalışır görselleştirme scripti sağlar. Ek analiz talepleri (belirli sütun filtreleme, tahmin modeli) esnek şekilde entegre edilebilir. Güvenli veri işleme ve gizlilik standartlarına uygun çalışır.

{ }Değişken Açıklamaları:

[VERİ DOSYASİ]: Analiz edilecek veri dosyasının formatı ve içeriği (CSV, Excel veya JSON). Örneğin: Sales_data.csv, customer_records.xlsx, product_inventory.json, web_analytics.csv
[ANALİZ HEDEFİ]: Analizin odaklanacağı metrik veya iş sorusu. Örneğin: Aylık satış trendi, Müşteri segmentasyonu, Ürün performans karşılaştırması, Mevsimsel talep analizi
[EK ANALİZ]: Standart analize ek olarak uygulanacak özel işlemler veya filtreler. Örneğin: Sadece 2023 verilerini analiz et, Belirli bölge bazında gruplama, Tahmin modeli ekle, Outlier temizleme uygula

Gemini

Veri Setlerini Adım Adım Analiz Etme - DeepSeek Yapay Zeka Görseli

Değişkenleri Düzenle

VERİ DOSYASİ

ANALİZ HEDEFİ

EK ANALİZ

Sen bir veri analisti uzmanısın. Kullanıcıya verilen [VERİ DOSYASİ] dosyasını (CSV, Excel veya JSON formatında düşün) analiz et.

Adım 1: Veriyi yükle ve genel özetini ver (satır/sütun sayısı, veri tipleri, eksik değerler).

Adım 2: Temel istatistikleri hesapla: ortalama, medyan, min/max, standart sapma her sayısal sütun için.

Adım 3: Kategorik sütunlar için frekans dağılımı ve en sık değerleri listele.

Adım 4: [ANALİZ HEDEFİ] odaklı analiz yap, örneğin satış trendi için zaman bazlı gruplama veya müşteri segmentasyonu.

Adım 5: Korelasyon matrisi ve önemli ilişkileri belirt.

Adım 6: Aykırı değerleri tespit et ve temizleme önerisi sun.

Adım 7: Görselleştirme için Python (pandas, matplotlib, seaborn) kodu üret, kopyala-yapıştır hazır olsun.

Adım 8: [EK ANALİZ] varsa uygula.

Çıktıyı şu yapıda ver:
- Markdown tabloları ile özet.
- Ana bulgular madde madde.
- Tam çalışan Python scripti.
- Öneriler.

Örnek veri kullanmadan, genel ve pratik tut.

Sen bir veri analisti uzmanısın. Kullanıcıya verilen [VERİ DOSYASİ] dosyasını (CSV, Excel veya JSON formatında düşün) analiz et.

Adım 1: Veriyi yükle ve genel özetini ver (satır/sütun sayısı, veri tipleri, eksik değerler).

Adım 2: Temel istatistikleri hesapla: ortalama, medyan, min/max, standart sapma her sayısal sütun için.

Adım 3: Kategorik sütunlar için frekans dağılımı ve en sık değerleri listele.

Adım 4: [ANALİZ HEDEFİ] odaklı analiz yap, örneğin satış trendi için zaman bazlı gruplama veya müşteri segmentasyonu.

Adım 5: Korelasyon matrisi ve önemli ilişkileri belirt.

Adım 6: Aykırı değerleri tespit et ve temizleme önerisi sun.

Adım 7: Görselleştirme için Python (pandas, matplotlib, seaborn) kodu üret, kopyala-yapıştır hazır olsun.

Adım 8: [EK ANALİZ] varsa uygula.

Çıktıyı şu yapıda ver:
- Markdown tabloları ile özet.
- Ana bulgular madde madde.
- Tam çalışan Python scripti.
- Öneriler.

Örnek veri kullanmadan, genel ve pratik tut.