В pandas: 12 месячных выгрузок заказов одинаковой структуры надо собрать в один DataFrame, а потом подтянуть к заказам атрибуты юзеров по колонке user_id. Какими инструментами это сделаешь и почему именно ими?

Проверяет знание Python и pandas для анализа данных.

Варианты ответа

• Выгрузки — pd.concat по axis=0 (склейка без логики ключей); юзеров — merge по user_id, как SQL JOIN; join — при ключе в индексе
• Всё через concat: axis=0 для выгрузок и axis=1 для юзеров — pandas сам сопоставит строки заказов и юзеров по их порядку
• Выгрузки — join в цикле по индексу, юзеров — concat по axis=1: соединения по ключу в pandas работают только через индекс
• Всё через merge: 12 последовательных merge склеят выгрузки между собой, а финальный merge по user_id добавит атрибуты юзеров

Как разобрать этот вопрос на собеседовании

Подумай, какая структура данных и какой инструмент pandas решают задачу с наименьшей сложностью: векторизация вместо циклов, groupby/merge вместо ручных склеек, корректная работа с NaN и типами. Интервьюер смотрит на читаемость кода и на то, понимаешь ли ты, что происходит «под капотом» — копия или вью, сложность операции, утечки памяти на больших данных.

На собеседовании по такому вопросу важно не только назвать ответ, но и кратко объяснить, почему он верный.

Тема вопроса — «Python». Чтобы подготовиться к похожим задачам, отрабатывай их на практике: python-тренажёр помогает довести навык до автоматизма, а раздел вопросов — увидеть формулировки, которые реально встречаются на интервью аналитика данных.

Разбор ответа

Получить доступ к ответам — все вопросы →

Что дальше

• Python-тренажёр →
• Все 3000+ вопросов с разбором →

Похожие вопросы из категории «Python»

• Что выведет код? ```python data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] result = [x**2 for x in data if x % 3 == 0] print(result) ```
• Какой будет результат? ```python import pandas as pd df = pd.DataFrame({ 'user': ['A', 'A', 'B', 'B'], 'month': ['Jan', 'Feb', 'Jan', 'Feb'], 'revenue': [100, 150, 200, 250] }) result = df.pivot_table( index='user', columns='month', values='revenue', aggfunc='sum' ) print(result.loc['A', 'Feb']) ```
• Что делает этот код? ```python import pandas as pd df = pd.DataFrame({ 'date': pd.date_range('2024-01-01', periods=90, freq='D'), 'revenue': range(1, 91) }) df = df.set_index('date') result = df.resample('M').sum() print(result) ```
• Почему этот код даёт ошибку? ```python import pandas as pd df = pd.DataFrame({'a': [1, 2, 3], 'b': [4, 5, 6]}) df['c'] = df.apply(lambda x: x['a'] + x['b']) print(df) ```
• В чём разница? ```python import pandas as pd import numpy as np data = [5, 15, 25, 35, 45, 55, 65, 75, 85, 95] s = pd.Series(data) cut_result = pd.cut(s, bins=4) qcut_result = pd.qcut(s, q=4) ```
• Что выведет код? ```python from scipy import stats import numpy as np np.random.seed(42) group_a = [23, 25, 28, 30, 32] group_b = [28, 30, 33, 35, 37] stat, p_value = stats.ttest_ind(group_a, group_b) print(f"p-value: {p_value:.4f}") print("Значимо" if p_value < 0.05 else "Не значимо") ```
• Что делает этот код? ```python import pandas as pd df = pd.DataFrame({ 'date': pd.date_range('2024-01', periods=4, freq='M'), 'revenue': [100, 120, 150, 130] }) df['growth'] = df['revenue'].pct_change() df['prev_revenue'] = df['revenue'].shift(1) print(df) ```
• Есть два датафрейма: `orders` (100k строк) и `users` (500k строк). Нужно приджойнить users к orders по user_id. Что лучше: `orders.merge(users, on="user_id")` или `orders.join(users.set_index("user_id"), on="user_id")`?

SQL-задачи по теме

• Нормализация телефонных номеров
• Парсинг тегов и подсчёт популярных

Тестовые задания

• RFM-сегментация клиентов через NTILE
• Сессионизация событий: 30-минутный таймаут в pandas

Полезные блог-статьи по теме

• ABC-анализ в SQL и Python: формула, примеры, границы
• Мок интервью онлайн с AI: тренировка аналитика
• Бэкфилл данных: что это, идемпотентность, SQL/Airflow
• Собеседование Яндекс аналитик 2026: что спросят