Q: В `df` есть столбец `age`. Какие значения `age` попадут в результат `df[(df["age"] >= 18) & (df["age"] <= 25)]`?

Комбинация условий через `&` дает пересечение (AND), границы `>=` и ` = 18) & (df["age"] =` и `<=` включают 18 и 25, поэтому останутся все значения в диапазоне 18–25 включительно. Скобки важны из‑за приоритета операторов.

Q: Вы хотите посчитать число уникальных пользователей по дням. Что корректно описывает результат `df.groupby("day")["user_id"].nunique()`?

`.nunique()` считает число различных значений в каждой группе и обычно возвращает `Series`. После `df.groupby("day")` данные разбиваются по дню. Выбор колонки `"user_id"` и вызов `.nunique()` считает, сколько различных пользователей было в каждом дне. Это агрегированный результат: по одной величине на группу, поэтому тип результата — `Series` с индексом `day`.

Q: Что произойдет при `pd.merge(left, right, on="id", how="left")`, если в `right` для одного `id` есть несколько строк (несколько совпадений)?

При `JOIN`-ах возможна «размножающая» связь one-to-many: строки левой таблицы повторяются. `.merge()` выполняет табличное соединение. Если ключ `id` в правой таблице не уникален, то для одной строки `left` найдется несколько соответствий в `right`. Тогда результат будет содержать несколько строк (декартово размножение внутри ключа): одна и та же строка `left` повторится для каждого совпадения из `right`. Это важный аналитический риск, который может «раздуть» метрики.

Q: Вы сделали `res = pd.merge(left, right, on="id", how="left", indicator=True)`. Как выбрать строки, для которых совпадения в `right` не нашлось?

С `indicator=True` столбец `_merge` показывает источник строки: `left_only`, `right_only` или `both`. Параметр `indicator=True` добавляет колонку `_merge`, которая помогает диагностировать результат соединения. Для `how="left"` интересны случаи, когда строка пришла только из левой таблицы и не нашла пару в правой: это помечается как `left_only`. Такой фильтр полезен, чтобы понять, почему появились `NaN` после `.merge()` и какие ключи не матчатся.

Q: Зачем часто используют `as_index=False` в выражении `df.groupby("city", as_index=False)["revenue"].sum()`?

`as_index=False` оставляет ключ группировки столбцом, а не индексом результата. По умолчанию `.groupby()` делает ключ группировки индексом результирующей таблицы. С `as_index=False` pandas вернёт `DataFrame`, где `city` будет обычным столбцом. Это удобно в аналитических пайплайнах: такой результат проще объединять через `.merge()` по столбцу и проще читать без дополнительных `reset_index()`.

Question 1

В `df` есть столбец `age`. Какие значения `age` попадут в результат `df[(df["age"] >= 18) & (df["age"] <= 25)]`?

Accepted Answer

Комбинация условий через `&` дает пересечение (AND), границы `>=` и `<=` включают крайние значения. В pandas логические операции выполняются поэлементно. Выражение `(df["age"] >= 18) & (df["age"] <= 25)` создает булеву маску, которая True только там, где оба условия выполняются одновременно. Операторы `>=` и `<=` включают 18 и 25, поэтому останутся все значения в диапазоне 18–25 включительно. Скобки важны из‑за приоритета операторов.

Question 2

Вы хотите посчитать число уникальных пользователей по дням. Что корректно описывает результат `df.groupby("day")["user_id"].nunique()`?

Accepted Answer

`.nunique()` считает число различных значений в каждой группе и обычно возвращает `Series`. После `df.groupby("day")` данные разбиваются по дню. Выбор колонки `"user_id"` и вызов `.nunique()` считает, сколько различных пользователей было в каждом дне. Это агрегированный результат: по одной величине на группу, поэтому тип результата — `Series` с индексом `day`.

Question 3

Что произойдет при `pd.merge(left, right, on="id", how="left")`, если в `right` для одного `id` есть несколько строк (несколько совпадений)?

Accepted Answer

При `JOIN`-ах возможна «размножающая» связь one-to-many: строки левой таблицы повторяются. `.merge()` выполняет табличное соединение. Если ключ `id` в правой таблице не уникален, то для одной строки `left` найдется несколько соответствий в `right`. Тогда результат будет содержать несколько строк (декартово размножение внутри ключа): одна и та же строка `left` повторится для каждого совпадения из `right`. Это важный аналитический риск, который может «раздуть» метрики.

Question 4

Вы сделали `res = pd.merge(left, right, on="id", how="left", indicator=True)`. Как выбрать строки, для которых совпадения в `right` не нашлось?

Accepted Answer

С `indicator=True` столбец `_merge` показывает источник строки: `left_only`, `right_only` или `both`. Параметр `indicator=True` добавляет колонку `_merge`, которая помогает диагностировать результат соединения. Для `how="left"` интересны случаи, когда строка пришла только из левой таблицы и не нашла пару в правой: это помечается как `left_only`. Такой фильтр полезен, чтобы понять, почему появились `NaN` после `.merge()` и какие ключи не матчатся.

Question 5

Зачем часто используют `as_index=False` в выражении `df.groupby("city", as_index=False)["revenue"].sum()`?

Accepted Answer

`as_index=False` оставляет ключ группировки столбцом, а не индексом результата. По умолчанию `.groupby()` делает ключ группировки индексом результирующей таблицы. С `as_index=False` pandas вернёт `DataFrame`, где `city` будет обычным столбцом. Это удобно в аналитических пайплайнах: такой результат проще объединять через `.merge()` по столбцу и проще читать без дополнительных `reset_index()`.

Pandas и DataFrame: вопросы для собеседования (часть 3)

Вопросы 11–15 из 20

Хотите тренировать интерактивно?

Другие темы: Python