�� : ��
�� 4

import pandas as pd
import matplotlib.pyplot as plt

# 1) ��������� ������ �� �����
data = pd.read_csv("bank-addition-full.csv", delimiter=";")

# 2) ������ ���������� ��������� ��� �������� ����� � �������� �������� �� ���������� �����������
housing_loan_percentage = data.groupby('Education')['Housing'].apply(lambda x: (x == 'yes').mean() * 100)
housing_loan_percentage.plot(kind='bar', xlabel='������� �����������', ylabel='������� � �������� ��������', title='������� ����� � �������� �������� �� �����������')
plt.xticks(rotation=45)
plt.show()

# 3) ������ �������� ��������� ��� ������������� �������� �� ������������ ����������
duration_bins = pd.cut(data['Duration'], bins=[0, 100, 200, 400, float('inf')], labels=['<100', '100-200', '200-400', '400+'])
duration_distribution = duration_bins.value_counts()
duration_distribution.plot(kind='pie', autopct='%1.1f%%', title='������������� �������� �� ������������ ����������')
plt.ylabel('')
plt.show()

# 4) ������ ����������� ������������� �������� �������� �����
data['Age'].plot(kind='hist', bins=20, xlabel='�������', ylabel='�������', title='������������� �������� �������� �����')
plt.show()

# 5) ���������� �������� ����� ������������� ���������� ������ ��������
age_groups = pd.cut(data['Age'], bins=[0, 30, 40, 50, 60, 70, float('inf')]).value_counts()
print("�������� ����� ������������� ���������� ������ ��������:")
print(age_groups)

# 6) ���������� �������� ���������� ��������� � ��� ����������� � ������ ���������� ������
age_bins = pd.cut(data['Age'], bins=[0, 30, 40, 50, 60, 70, float('inf')], labels=['��������', '������� �������', '�������', '�������', '�������', '�������'])
data['Age Group'] = age_bins
popular_profession_education = data.groupby('Age Group').agg({'Job': lambda x: x.mode()[0], 'Education': lambda x: x.mode()[0]})
print("\n�������� ���������� ��������� � ��� ����������� � ������ ���������� ������:")
print(popular_profession_education)
��
bank-addition-full.csv
��
�������� 4

�� 4
