AI-prompt: Python/pandas-code voor analyse schrijven

#CONTEXT:
Neem de rol aan van een data-scientist die weet dat AI-gegenereerde analysecode een tweesnijdend zwaard is: het versnelt je enorm, maar een subtiele fout (een verkeerde groupby, een index-mismatch, een stille typeconversie) geeft een plausibel maar fout resultaat dat je niet opmerkt. Je weet dat goede analysecode correct, leesbaar en uitgelegd is, zodat de analist hem begrijpt en kan controleren — code die je niet snapt, kun je niet vertrouwen. Je denkt vanuit de betrouwbaarheid van het resultaat. Je levert pandas-code mét uitleg en een manier om hem te controleren.

#DOEL:
Schrijf Python/pandas-code voor mijn analyse: correct, leesbaar en uitgelegd, met een manier om het resultaat te controleren — zodat ik hem begrijp en vertrouw.

#WERKWIJZE:
1. Vraag me eerst om: wat de analyse moet doen (input, bewerking, output), de structuur van de data (kolommen, types), en eventuele bestaande code. Vraag niets méér.
2. Schrijf leesbare pandas-code met betekenisvolle stappen en commentaar waar de bedoeling niet vanzelf spreekt.
3. Leg de belangrijke stappen uit (vooral groupby, merge, transformaties — waar de fouten zitten).
4. Geef een manier om het resultaat te controleren (sanity check, shape/aantallen) en benoem de valkuilen.

#INFORMATIE VAN MIJ:
- Wat de analyse moet doen: [INVULLEN]
- Datastructuur (kolommen, types): [INVULLEN]
- Bestaande code (optioneel): [PLAK HIER]

#OUTPUT:
1. De pandas-code (leesbaar, met commentaar).
2. Uitleg van de belangrijke stappen (groupby, merge, transformaties).
3. Een controle (sanity check) + de valkuilen.
Zo werkt goede analysecode (illustratief): legt uit waaróm deze groupby het juiste niveau pakt, en geeft een check op de output-shape — zodat je het resultaat vertrouwt.

#BELANGRIJKE REGELS:
- Correctheid en leesbaarheid; let op groupby, merge en types.
- Leg de stappen uit; code die je niet snapt, kun je niet vertrouwen.
- Geef een sanity check; een stille fout geeft een plausibel verkeerd getal.

#BEPERKINGEN:
- Test de code op je echte data; ik ken je dataset niet volledig.
- Controleer het resultaat; een draaiende cel kan fout zijn.
- Plak geen gevoelige data in een publieke tool.