Задачи курса «NumPy и pandas: практический тренажёр»

Выберите задачу и проверьте решение прямо на странице. Регистрация не нужна.

• pandas rank и cumsum по группам: ранг и накопительная сумма

  Как посчитать ранг внутри группы и накопительный итог pandas. Пример groupby, rank и cumsum, затем задача с проверкой Python.

• pandas rank: average, dense и одинаковые значения

  Чем отличаются методы ранжирования average, min и dense в pandas? Пример равных значений и задача на рейтинг и накопительную сумму.

• Pandas groupby cumsum и rank: накопительный итог по отделам

  Посчитайте глобальный ранг и накопительные суммы внутри групп и по всей таблице. Практика pandas с проверкой.

• rolling: скользящие агрегаты по упорядоченным данным — задача по NumPy и pandas

  mean() Сколько значений NaN будет в result? Проверьте ответ в задаче из бесплатного курса NumPy и pandas.

• pandas rolling: скользящее среднее и размер окна

  Почему rolling mean возвращает NaN в начале ряда? Разберите размер окна, минимальное число наблюдений и сортировку. Задача pandas.

• Pandas rolling minperiods: сравните два скользящих средних

  Вычислите скользящее среднее с разным minperiods и разберите пропуски в начале ряда. Задача pandas с проверкой.

• pandas rolling: скользящая сумма после сортировки таблицы

  Как порядок строк и минимум наблюдений влияют на pandas rolling. Пример скользящей суммы по всей таблице и задача с проверкой Python.

• Итоговый практикум — часть 1: подготовка одной таблицы — задача по NumPy и pandas

  Какая проверка устойчивее к конкретной единице точности? Проверьте ответ в задаче из бесплатного курса NumPy и pandas.

• Очистка pandas: dropna, str.replace и удаление дублей

  Как связать dropna, str.replace и удаление дублей в pandas. Пример очистки строк, порядок операций и задача с проверкой Python.

• Качество данных в pandas: пропуски, дубли и типы без изменений

  Как проверить пропуски и дубли pandas без изменения таблицы. Пример диагностики DataFrame и задача на аудит качества данных с проверкой.

• Итоговый практикум — часть 2: агрегация, соединение и финальная схема — задача по NumPy и pandas

  merge(left, right, on='id', how='left', validate='onetoone') Что произойдёт при выполнении этого кода?

• Отчёт в pandas: groupby, agg и merge со справочником

  Как сгруппировать данные и присоединить справочник pandas. Пример именованной агрегации и merge с validate, затем задача с проверкой кода.

• Pandas duplicated и dropduplicates: аудит бизнес-ключа

  Найдите дубли по бизнес-ключу размерной таблицы и соберите отчёт. Задача pandas с проверкой функции.

• pandas merge и дубли ключей: диагностика зерна данных

  Сравните метрику до и после one-to-many join, найдите дубли в таблице-измерении и проверьте зерно данных в pandas.

• Pandas concat и merge: объединение двух батчей данных

  Объедините события, удалите дубли, рассчитайте агрегаты и добавьте справочник. Комплексная задача pandas с проверкой.

• NumPy arange и linspace: разница шага и количества точек

  Что выбрать: np.arange или np.linspace? Сравните шаг, число точек и включение границы на примере, затем исправьте код в задаче.