diff --git a/analysis/main.py b/analysis/main.py
new file mode 100644
index 0000000..96c1920
--- /dev/null
+++ b/analysis/main.py
@@ -0,0 +1,87 @@
+import pandas as pd
+
+# Загрузка данных из CSV файла
+data = pd.read_csv('test.csv')
+
+# Преобразование даты в тип datetime
+data['date'] = pd.to_datetime(data['date'])
+
+# Добавление времени суток и дня недели
+data['time_of_day'] = data['date'].dt.hour
+data['day_of_week'] = data['date'].dt.dayofweek
+
+# Проверка данных
+print(data.head())
+
+
+
+import matplotlib.pyplot as plt
+
+# Группировка по времени суток и анализ средней цены
+price_by_time = data.groupby('time_of_day')['price'].mean()
+
+# Группировка по дням недели
+price_by_day = data.groupby('day_of_week')['price'].mean()
+
+# Визуализация
+plt.figure(figsize=(12, 6))
+
+# График изменения цен по времени суток
+plt.subplot(1, 2, 1)
+plt.plot(price_by_time)
+plt.title('Цены в зависимости от времени суток')
+plt.xlabel('Час дня')
+plt.ylabel('Средняя цена')
+
+# График изменения цен по дням недели
+plt.subplot(1, 2, 2)
+plt.plot(price_by_day)
+plt.title('Цены в зависимости от дня недели')
+plt.xlabel('День недели')
+plt.ylabel('Средняя цена')
+
+plt.tight_layout()
+plt.show()
+
+
+
+from prophet import Prophet
+
+# Подготовка данных для Prophet
+df = data[['date', 'price']].rename(columns={'date': 'ds', 'price': 'y'})
+
+# Обучение модели
+model = Prophet()
+model.fit(df)
+
+# Прогнозирование на следующие 30 дней
+future = model.make_future_dataframe(periods=30)
+forecast = model.predict(future)
+
+# Визуализация прогноза
+model.plot(forecast)
+plt.title('Прогноз цен на следующие 30 дней')
+plt.show()
+
+
+# Пример использования данных о температуре в качестве регрессора
+data['temperature'] = data['temperature']  # Предположим, что данные о температуре уже добавлены в CSV
+
+# Подготовка данных для Prophet с погодными условиями
+df = data[['date', 'price', 'temperature']].rename(columns={'date': 'ds', 'price': 'y', 'temperature': 'temp'})
+
+# Обучение модели с дополнительным регрессором
+model = Prophet()
+model.add_regressor('temp')
+model.fit(df)
+
+# Прогнозирование
+future = model.make_future_dataframe(periods=30)
+future['temp'] = 22.0  # Предположим, что это прогнозируемая температура
+
+forecast = model.predict(future)
+
+# График прогноза с учетом погодных условий
+model.plot(forecast)
+plt.title('Прогноз цен с учетом погодных условий')
+plt.show()