Системы искусственного интеллекта в бизнес-аналитике

О. В. Еклашева 
 
 
 
 
СИСТЕМЫ ИСКУССТВЕННОГО 
ИНТЕЛЛЕКТА  
В БИЗНЕС-АНАЛИТИКЕ 
 
 
 
Практикум  
 
 
 
 
 
 
 
 
 
Йошкар-Ола 
ПГТУ 
2023 

УДК 004.8:334.7 
ББК  38.813:65.29 
E 45 
 
 
Рецензенты: 
А. В. Бородин, канд. экон. наук, заведующий кафедрой информатики 
и системного программирования ПГТУ; 
А. В. Швецов, д-р экон. наук, профессор кафедры информационных систем в экономике ПГТУ 
 
 
 
 
 
Печатается по решению  
редакционно-издательского совета ПГТУ 
 
 
 
 
 
 
Еклашева, О. В. 
Е 45      Системы искусственного интеллекта в бизнес-аналитике: практикум / О. В. Еклашева. – Йошкар-Ола: Поволжский государственный технологический университет. 2023. – 72 с. 
ISBN 978-5-8158-2354-9 
 
Представлены краткие теоретические сведения, практические рекомендации и методические указания к выполнению лабораторных работ как 
сквозного проекта по дисциплине «Системы искусственного интеллекта в 
бизнес-аналитике» для магистрантов направления подготовки 09.04.03 
«Искусственный интеллект в бизнес-аналитике».   
 
УДК 004.8:334.7 
ББК 38.813:65.29 
 
ISBN 978-5-8158-2354-9 
© Еклашева О. В., 2023 
© Поволжский государственный 
технологический университет, 2023 

ВВЕДЕНИЕ 
 
Тема использования искусственного интеллекта в различных 
сферах (и в бизнес-аналитике в том числе) в настоящее время является очень актуальной, что делает актуальным и издание настоящего практикума по дисциплине «Системы искусственного интеллекта в бизнес-аналитике». 
Предлагаемое вниманию читателей учебное издание призвано 
познакомить их с использованием Python для анализа и визуализации больших данных и построением модели линейной регрессии.  
В данном практикуме представлено семь лабораторных работ. 
Студент может выполнить все действия, которые здесь описаны, 
поскольку все датасеты выложены на гугл-диск, к которому есть 
ссылка, и доступ к ним разрешен. 
Все куски кода выделены жирным шрифтом, также жирным 
шрифтом обозначены названия функций в тексте. 
Все используемые датасеты можно скачать по ссылке 
https://drive.google.com/drive/folders/1NKo9fafw6FwD5rSxtpHZ6jo
cnnha8U3h?usp=sharing. 
В работе аналитика большое внимание уделяется подготовке 
данных, их очистке, связыванию с другими таблицами, визуализации и построению моделей. Все эти вопросы автор и постарался 
кратко, но достаточно подробно и доступно осветить, снабдив изложение материала конкретными примерами и необходимыми 
практическими рекомендациями.  
Данное издание рассчитано на магистрантов первого курса 
направления подготовки 09.04.03 «Искусственный интеллект в 
бизнес-аналитике», поэтому здесь рассмотрена только модель регрессии. 
 
 

Занятие 1. Краткое знакомство с библиотекой Pandas 
 
Pandas — наиболее популярная библиотека для работы с данными и удобного представления их в табличной форме [1]. 
Поскольку pandas не встроен в Python по умолчанию, его необходимо импортировать. Чаще всего pandas импортируют под псевдонимом pd: 
import pandas as pd 
Если библиотека импортирована под псевдонимом, то в дальнейшем, обращаясь к методам и классам из этой библиотеки, 
необходимо использовать заданный псевдоним: например, 
pd.read_csv() . 
 
Основные объекты Pandas: Series 
 
Series можно рассматривать как одну колонку таблицы, это одномерный массив, в котором индексами могут быть не только порядковые номера, но и что угодно другое, например, даты, названия компаний, идентификаторы участников опроса и т.д. 
Создать Series можно с помощью команды pd.Series() (или 
pandas.Series()), если библиотека pandas была импортирована без 
использования псевдонима. 
Попробуем создать Series, содержащий названия первых четырёх месяцев года, передав их в виде списка. 
import pandas as pd 
data = pd.Series(["Январь", "Февраль", "Март", "Апрель"], 
index = ['Первый', "Второй", "Третий", "Четвёртый"]) 
print(data) 
Если не указывать индекс, то он будет создан автоматически и 
в нём будут порядковые номера элементов, начиная с нуля. 
Доступ осуществляется с использованием .loc или .iloc. 
.loc принимает определённые метки из индекса. В него можно 
передать как один указатель, так и массив. Например, если нужно 
получить элемент с индексом "Первый", следует написать: 
print(data.loc["Первый"]) 

.iloc принимает на вход порядковые номера элементов Series. 
В него также можно передавать как одно число, так и массив 
чисел. Например, если нужно из Series data, полученного в 
предыдущем блоке кода, получить элемент с индексом "Первый", необходимо написать: 
print(data.iloc[0]) 
А если нужно получить, например, элементы с индексами "Первый" и "Третий", то следует передать в метод .iloc() список с номерами этих элементов: 
print(data.iloc[[0, 2]]) 
Если в .loc передать название индекса, а в .iloc – номер индекса, 
которого нет в данных, то будет вызвана ошибка. 
 
Основные объекты Pandas: DataFrame 
 
Объект DataFrame лучше всего представлять в виде обычной 
таблицы. В таблице присутствуют строки и столбцы. Столбцами в 
объекте DataFrame выступают объекты Series, строки которых являются их непосредственными элементами. 
Создать DataFrame проще всего из словаря:  
df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]}) 
display(df) 
Здесь мы создали DataFrame с колонками 'col1' и 'col2' и индексом [0, 1], который был сгенерирован автоматически. 
Кроме того, DataFrame можно создать из списка списков. 
Также можно указать названия колонок (columns) и индекс (index). 
df = pd.DataFrame([ [1,2,3], [2,3,4] ],  
                  columns = ['foo', 'bar', 'baz'],  
                  index = ['foobar', 'foobaz']) 
display(df) 
 

Здесь мы вручную указали названия колонок (foo, bar и baz) и 
индекс (foobar, foobaz), чтобы задать нужный нам формат таблицы. 
 
Основные объекты Pandas: read_csv 
 
Часто при работе с данными бывает так, что данные уже собраны в каком-то виде, например в виде файла с расширением .csv 
(comma-separated values). Прочитать этой файл поможет функция 
модуля pandas read_csv. 
Рассмотрим принцип работы функции на примере набора данных о футболистах.  
Основной код выглядит достаточно просто: 
pd.read_csv('Полный_путь_к_файлу/название_файла.csv') 
Функция возвращает DataFrame (то есть таблицу), однако затем приобретает ещё много важных параметров, среди которых: 
• sep — разделитель данных, по умолчанию ','; 
• decimal — разделитель числа на целую и дробную часть, по 
умолчанию'.'; 
• names — список с названиями колонок, не обязательный параметр; 
• skiprows — если файл содержит системную информацию, 
можно просто её пропустить. Это необязательный параметр. 
 
Получение информации о датафрейме: head и tail 
 
Часто после чтения данных с помощью read_csv() хочется убедиться в правильности чтения или, к примеру, посмотреть, что лежит в наборе данных.  
Для этого используются методы .head() или .tail(), которые показывают первые или последние пять строк таблицы. Количество 
строк можно менять параметром n, передаваемым в функцию.  
Посмотрим, как они работают, на примере набора данных о 
футболистах: 
import pandas as pd 
football = pd.read_csv('/Full_path_to_file/data_sf.csv') 
display(football.head()) 

Здесь мы вывели первые пять строк DataFrame.  
import pandas as pd 
football = pd.read_csv('/Full_path_to_file/data_sf.csv') 
display(football.tail(7)) 
 
 
А здесь — последние семь строк.  
 
Получение информации о датафрейме: info 
 
Если хочется получить более детальную информацию о колонках DataFrame, используется метод .info(): 
import pandas as pd 
football = pd.read_csv('/Full_path_to_file/data_sf.csv') 
display(football.info()) 
 
Получение информации о датафрейме: describe 
 
Метод describe показывает основные статистические характеристики данных по каждому числовому признаку (типы int64 и 
float64): число непропущенных значений, среднее, стандартное отклонение, диапазон, медиану, 25 % и 75 % квартили. 

import pandas as pd 
football = pd.read_csv('/Full_path_to_file/data_sf.csv') 
football.describe() 
 
Здесь для каждого числового (int64) столбца показано число непустых значений (count), среднее (mean), стандартное отклонение 
(std), минимум и максимум (min и max), 25 % и 75 % квартили и 
медиана (50 %).  
Чтобы посмотреть статистику по нечисловым признакам 
(например, по строчным (object) или булевым (bool) данным), 
нужно явно указать интересующие нас типы в параметре метода 
describe include: 
football.describe(include = ['object']) 
 
Здесь для каждой колонки с типом object (строчные данные) выводится количество непустых строк, уникальных значений, самое 
частое значение (top) и частота этого значения (freq).  
В обрезанном виде можно написать: 
with pd.option_context('display.max_rows', None, 'display.max_columns', None): 
    display(football.describe())