Дано: DataFrame `raw` с колонками user_id, signup_date (str), orders, revenue -- 12 строк. Постройте конвейер из трёх функций, применённых последовательно: 1. `clean_dates(df)` -- конвертирует signup_date в datetime 2. `add_metrics(df)` -- добавляет avg_check = revenue / orders (int, округление до целых) 3. `categorize(df)` -- добавляет tier: "Gold" если revenue ≥ 50000, "Silver" если ≥ 20000, иначе "Bronze" Каждая функция принимает DataFrame и возвращает изменённый DataFrame. Сохраните результат в `result`.
pipe method_chaining clean_code
Задача «Pipe: цепочка трансформаций DataFrame» учит обрабатывать табличные данные в pandas: фильтрация, группировка, объединение и метрики. Такие задачи дают на собеседованиях в Самокат и других IT-компаниях. Уровень средний — типичная боевая задача на уверенный Python.
Сначала разбери условие и формат входа-выхода, прикинь крайние случаи (пустой ввод, дубли, NaN). Затем выбери структуру данных и собери решение по шагам — начни с простого рабочего варианта, потом оптимизируй сложность. Код пишешь и запускаешь прямо в браузере: Python-тренажёр исполняет его через Pyodide (pandas, numpy, scipy) и проверяет результат автоматически.
В pandas один и тот же результат часто достаётся разными путями — через groupby, pivot_table, merge или векторные операции над колонками. Важно выбрать читаемый и быстрый: встроенные векторные методы почти всегда обгоняют циклы и построчный apply. На собеседовании ценят не только правильный ответ, но и то, как ты объясняешь выбор подхода, обрабатываешь пропуски (NaN) и оцениваешь, что будет на больших данных.
Разобраться в pandas системно — бесплатный курс «Pandas с нуля» и гайды по pandas.
Открыть задачу в тренажёре → ← Все Python-задачи