Дан список `events` — tuples `(timestamp_unix, event_type)`, отсортированный по timestamp. Для каждого календарного дня (UTC, начало с 00:00:00) верните топ-N самых частых event_type. Сигнатура: `daily_top(events, n)` → dict {date_str: list of (event_type, count)}. Аналитический контекст: ежедневный отчёт «топ-3 действия пользователей» из стрима событий.
algorithms python real-da hash-map
Задача «Топ-N event_type по частоте за день из stream» учит решать алгоритмические задачи на Python: оценивать сложность по времени и памяти и выбирать подходящую структуру данных. Такие задачи дают на собеседованиях в Yandex / Tinkoff (DA-real) 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