Пояснение к заданию:
1. Задание требуется выполнять в jupyter notebook.
2. Для подключения к базе данных `clickhouse` можно использовать библиотеку `clickhouse driver`.
3. Для подключения к базе можно использовать следующий код: 
```python
from clickhouse driver import Client

client = Client('oleg.orbita.work', port = 9000, user = student_ml, password = CGRV8zemLGgsfdz7Uc6ZJeisGTcPQa, settings = {'use_numpy': True})
```
**Задание:**
1. Загрузите данные из таблицы `house_train`, которая находится в базе `students_datas`
2. Приведите описание датасета:
	- Сколько данных в датасете?
	- Сколько параметров? Выведите список всех параметров
	- Есть ли категориальные признаки? Перечислите/выведите их
	- Выведите первые пять строчек `DataFrame`
3. Проверьте, есть ли пропуски и повторы в данных.
	- Удалите повторы
	- Удалите столбцы в которых пропущено более 15% данных
4. Постройте гистограмму параметра `SalePrice`, Подчиняется ли распределение нормальному?
5. Построить коробочную диаграмму (ящик с усами) признака `SalePrice` всех домов в данных
6. Постройте гистограммы и боксплоты по группам:
	- С кондиционером (`'CentralAir'`) и без кондиционера
	- Цены продажи домов (параметр `'SalePrice'`), сгруппированные по размеру гаража (параметр `'GarageCars'`)
7. Постройте гистограмму частот:
	- Частот размеров гаража
	- Частот центрального кондиционирования
8. Рассчитайте долю домов
	- С продажной ценой между 25-м процентилем и 75-м процентилем
	- С общей площадью в квадратных футах от 25-го процентиля до 75-го процентиля
9. Получите ковариационную матрицу для всех данных `DataFrame` и используйте анализ тепловой карты, Выведите 10 параметров с наибольшей корреляцией c `SalePrice`