Положи датасет рядом, спроси словами — агент сам напишет код, посчитает и покажет график. Аналитика без зубрёжки pandas: разберём CSV и Excel, очистку данных, Jupyter и сборку выводов в отчёт.
Если у тебя есть таблица с данными и вопрос к ней — Claude Code решает задачу, даже когда ты не пишешь код. Ты кладёшь файл рядом, объясняешь словами, что хочешь узнать, а агент сам пишет нужный код, запускает его и показывает результат: число, таблицу, график. Это превращает анализ данных из «знать pandas наизусть» в «уметь задать правильный вопрос». Разберём весь путь — от сырого CSV до готовых выводов.
Что узнаешь из гайда
Часть 1 · Принцип
Главное
Claude Code не «угадывает ответ по таблице» — он пишет код и запускает его на твоих данных. Поэтому числа реальные, а не выдуманные: их посчитал код, а не модель «на глаз».
Это принципиальное отличие от обычного чата. Если вставить таблицу в чат и спросить «какая сумма», модель попытается сложить числа «в уме» и может ошибиться. Claude Code вместо этого пишет короткий скрипт на pandas (это библиотека Python для таблиц), запускает его в терминале и отдаёт тебе точный результат расчёта.
Твоя роль — задавать вопросы и проверять смысл. Тебе не нужно помнить синтаксис groupby или merge: ты говоришь «сгруппируй продажи по городам и посчитай среднее», агент переводит это в код. Знать код полезно для контроля, но входной билет — это понимание своих данных, а не Python. Как ставить задачи так, чтобы агент делал нужное с первого раза — в гайде про постановку задач.
Часть 2 · Чтение
Старт любого анализа — понять, что вообще в файле. Кладёшь датасет в папку проекта и просишь агента его разобрать. Он прочитает файл, покажет колонки, типы данных и первые строки — дальше уже можно задавать вопросы по сути.
# Ставишь задачу обычными словами, код пишет агент:
«Прочитай sales.csv. Покажи список колонок, типы данных
и первые 5 строк. Потом посчитай суммарную выручку
по месяцам и выведи таблицей.»
# Агент пишет код на pandas, запускает его и показывает
# реальный результат — не пересказ, а вывод расчётаExcel-файлы (.xlsx) работают так же — агент прочитает нужный лист. Дальше идут обычные аналитические вопросы: «сколько уникальных клиентов», «топ-10 товаров по выручке», «доля заказов дороже 5000 рублей». Каждый — это короткий расчёт, который агент пишет и выполняет.
Совет
Начинай с маленьких проверяемых вопросов. «Сколько всего строк?», «какие колонки?», «есть ли пропуски?» — так ты убеждаешься, что агент правильно понял файл, прежде чем доверять ему сложные сводки.
Часть 3 · Чистка
Главное
Реальные данные грязные: пропуски, дубли, кривые даты, выбросы. Прежде чем считать выводы, данные надо почистить — и это та рутина, где агент экономит больше всего времени.
Очистка — самый муторный этап аналитики, и именно он легко делегируется. Просишь агента пройтись по типовым проблемам, а он находит их и предлагает, что делать. Важно: чистку обсуждай, а не отдавай вслепую — удаление строк меняет результаты.
«Проверь датасет на проблемы качества:
1. Сколько пропусков в каждой колонке?
2. Есть ли полные дубли строк?
3. Найди выбросы в колонке amount (например, по правилу
межквартильного размаха) и покажи их — НЕ удаляй сам.»
# Агент покажет диагностику. Решение, что чистить,
# остаётся за тобой — это влияет на выводы| Проблема | Как просить | Риск |
|---|---|---|
| Пропуски | Посчитать, потом решить: убрать/заполнить | Заполнение искажает средние |
| Дубли | Показать дубли до удаления | Удаление «почти-дублей» теряет данные |
| Выбросы | Найти и показать, не резать молча | Выброс может быть реальным фактом |
| Типы и даты | Привести к нужному типу явно | Кривой парсинг дат ломает группировку |
Чистку данных обсуждай, не делегируй вслепую: каждое удаление строк меняет ответ.
Часть 4 · Ноутбук
Для разведочного анализа удобны Jupyter-ноутбуки — файлы .ipynb, где код, его вывод и заметки лежат ячейками рядом. Claude Code читает и редактирует такие ноутбуки целиком: видит результат прошлых ячеек, добавляет новые шаги, правит код и комментирует выводы.
Это меняет работу аналитика. Вместо того чтобы вручную писать ячейку за ячейкой, ты ведёшь диалог: «добавь ячейку с разбивкой выручки по кварталам», «построй график динамики и сохрани в revenue.png». Агент дополняет ноутбук, а ты видишь и код, и результат.
«Открой analysis.ipynb. Добавь ячейку: построй линейный
график выручки по месяцам через matplotlib, подпиши оси
по-русски и сохрани картинку в charts/revenue.png.
Потом коротко опиши тренд в ячейке-выводе.»
# Агент допишет ячейку, запустит её, сохранит график
# файлом и добавит текстовый вывод рядомГрафики — в файлы
Терминал не показывает картинки, поэтому проси агента сохранять графики в файлы (.png) и открывай их сам. Так ты видишь визуализацию и можешь приложить её в отчёт. Для интерактивной работы можно подключить браузер по MCP — об этом в гайде про топ MCP-серверов.
Часть 5 · Итог
Главное
Цифры — это полпути. Сильная сторона Claude Code в том, что он собирает расчёты в связный вывод: что в данных происходит, на что обратить внимание, что проверить дальше.
После того как данные посчитаны, попроси агента собрать короткий отчёт: ключевые числа, заметные тренды, аномалии. Он сведёт это в текст или markdown-файл, который можно отдать команде. Но проверяй выводы — модель может «дорисовать» закономерность, которой в данных нет.
Когда агенту нельзя верить на слово
Не принимай словесные выводы без проверки чисел — модель может найти «тренд» там, где это случайный шум. Не отдавай агенту удаление и перезапись исходных данных вслепую: работай на копии. И для боевых баз данных это не тот инструмент — там нужен контролируемый SQL-доступ, разобранный в гайде про Claude Code и базы данных.
Коротко
.ipynb читаются на месте; графики — сохраняй в файлы.Вопросы
Да, в этом и смысл: ты ставишь задачу словами, а код пишет агент. Кладёшь CSV или Excel рядом с Claude Code, просишь «посчитай выручку по месяцам и построй график» — агент сам пишет код на pandas, запускает его и показывает результат. Тебе важно понимать сам вопрос к данным, а синтаксис библиотек знать не обязательно.
Положи CSV-файл в папку проекта и попроси Claude его разобрать: «прочитай sales.csv, покажи колонки и первые строки». Агент прочитает файл, опишет структуру, а дальше по твоим словам посчитает агрегаты, отфильтрует строки, найдёт выбросы. Под капотом он пишет код на pandas и запускает его, но тебе достаточно формулировать вопросы на русском.
Да, Claude Code читает и редактирует Jupyter-ноутбуки (.ipynb), включая код ячеек и их вывод. Это удобно для аналитики: агент видит результат предыдущих ячеек, добавляет новые шаги расчёта, правит код и комментирует выводы. Можно вести разведочный анализ прямо в ноутбуке, а агент будет дополнять его ячейками по твоим запросам.
Claude Code работает прямо с твоими файлами на диске и реально запускает код, а не описывает его. Он читает CSV, Excel и ноутбуки на месте, гоняет расчёты, видит ошибки и сам их чинит, строит графики в файлы. Не нужно копировать данные в чат и вставлять ответы обратно — агент держит весь цикл «прочитал → посчитал → проверил → показал» в твоей рабочей папке.
Читать дальше
Прикладной материал, разборы и рабочие приёмы — то, чем пользуюсь сам, без воды. Залетай, там самое полезное.
Зайти в Telegram