share code for 13th

Сначала вычистили текст:
```
# загрузка стоп-слов
nltk.download('stopwords')

# удаление ненужных символов
df['clean_text'] = df['эхокг_посл_перед_опер'].str.replace(r'_x000D_', ' ').str.replace(r'\n', ' ')
df['clean_text'] = df['clean_text'].str.lower()

# определение стоп-слов
stop_words = set(stopwords.words('russian'))

# токенизация и удаление стоп-слов
df['clean_text'] = df['clean_text'].apply(lambda x: ' '.join([word for word in re.findall(r'\w+', str(x)) if word not in stop_words]))
```
Затем этап LDA:
```
# тематическое моделирование для определения тем связанных с состоянием сердца
# векторизация текстовых данных
vectorizer = CountVectorizer(max_df=0.95, min_df=2)
doc_term_matrix = vectorizer.fit_transform(df['clean_text'])

# применение LDA для тематического моделирования
lda = LatentDirichletAllocation(n_components=5, random_state=654321)
lda.fit(doc_term_matrix)

# признак 13: получение тематического распределения
df['new_topic_lda'] = lda.transform(doc_term_matrix).argmax(axis=1)
```

Получили новый признак со значениями:
```
array([2, 1, 0, 4, 3])
```