# Практическая работа №3: Основы анализа данных и визуализации

## Описание проекта
В данном проекте реализован базовый цикл анализа данных на языке Python. Работа включает в себя настройку рабочего окружения, обработку числовых массивов и визуализацию статистических данных.

## Этапы выполнения
1. **Подготовка окружения**: 
   - Создано виртуальное окружение `venv`.
   - Установлены библиотеки `pandas`, `numpy`, `matplotlib`, `seaborn` и `tqdm`.
   - Настроен файл `.gitignore` для исключения системных файлов из репозитория.

2. **Работа с Pandas и Numpy**:
   - Выполнена загрузка внешнего набора данных `Teen_Mental_Health_Dataset.csv`.
   - Проведен первичный анализ данных (методы `info()`, `describe()`).
   - Использованы функции Numpy для математических расчетов.

3. **Визуализация (Seaborn)**:
   Построены три вида графиков для выявления закономерностей:
   - **Гистограмма (histplot)**: Распределение продолжительности сна подростков.
   - **Точечный график (scatterplot)**: Зависимость уровня стресса от времени в соцсетях.
   - **Ящик с усами (boxplot)**: Сравнение уровня зависимости на разных платформах.

4. **Прогресс-бар**:
   - Интегрирована библиотека `tqdm` для визуализации процесса завершения обработки данных.

## Как запустить
1. Активировать виртуальное окружение.
2. Запустить Jupyter Lab командой `jupyter lab`.
3. Открыть файл `week2_analysis.ipynb` и запустить все ячейки.