Дано: DataFrame `ab_clicks` -- результаты A/B теста кнопки (3 варианта дизайна × 2 устройства), содержит наблюдаемые частоты кликов. Постройте таблицу сопряжённости частот (дизайн × устройство), проведите хи-квадрат тест независимости и посчитайте размер эффекта -- коэффициент Крамера: V = √(chi2 / (n × min(r-1, c-1))), где r и c -- число строк и столбцов таблицы. Сохраните dict {"chi2":..., "p_value":..., "dof":..., "cramers_v":..., "significant":...} (округлённые до 4 знаков) в `result`.
chi2 crosstab cramers_v statistics
Задача «Хи-квадрат тест для таблицы сопряженности» учит применять статистику и научные методы через scipy. Такие задачи дают на собеседованиях в Ozon 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.
На собеседовании по Python для аналитика ценят чистый читаемый код, корректную обработку крайних случаев (пустой ввод, дубли, None) и умение вслух оценить сложность по времени и памяти. Часто просят не просто решить, а разобрать альтернативные подходы и показать, где наивное решение сломается на большом объёме данных.
Прокачать Python для аналитики — бесплатный курс «Pandas с нуля» и Python-тренажёр.
Открыть задачу в тренажёре → ← Все Python-задачи