Загрузка CSV с явными типами и датами через read_csv

pd.read_csv через файловый объект: usecols, dtype, parse_dates и вывод dtypes

Что уже дано

Скрытый start_code создаёт файл orders.csv в рабочей директории. Содержимое файла:

order_id,customer,amount,status,order_date
101,Алина,1500.0,shipped,2024-02-10
102,Борис,320.5,pending,2024-03-22
103,Вера,870.0,shipped,2024-04-05
104,Глеб,45.0,cancelled,2024-04-18

Файл создаётся до выполнения вашего кода. Никаких заранее созданных переменных нет — вы открываете файл и читаете его сами.

Что нужно сделать

Напишите верхнеуровневый код (без функций), который:

1. Открывает файл orders.csv через open('orders.csv', encoding='utf-8') и передаёт файловый объект в pd.read_csv вместо строки-пути.
2. Вызывает pd.read_csv с тремя параметрами:

• usecols=['order_id', 'amount', 'order_date'] — загрузить только эти три столбца;
• dtype={'order_id': 'int32', 'amount': 'float64'} — задать типы явно;
• parse_dates=['order_date'] — разобрать столбец order_date как дату.

3. Сохраняет результат в переменную df.
4. Создаёт переменную dtypes_dict — словарь вида {имя_столбца: str(dtype)} для всех столбцов df. Пример построения: {col: str(df[col].dtype) for col in df.columns}.
5. Создаёт переменную row_count — целое число строк в df (df.shape[0]).

Проверяющая система читает переменные df, dtypes_dict и row_count после выполнения вашего кода.

Ввод и вывод

stdin не используется. Печатать через print в stdout ничего не нужно.

Проверяющая система читает верхнеуровневые переменные df, dtypes_dict и row_count после выполнения вашего кода и проверяет:

• df.shape равен (4, 3);
• столбцы df — ровно ['order_id', 'amount', 'order_date'] (без customer и status);
• dtypes_dict['order_id'] равен 'int32';
• dtypes_dict['amount'] равен 'float64';
• dtypes_dict['order_date'] начинается с 'datetime64';
• row_count равен 4.