Доля товара внутри категории (transform)

Условие задачи

Дана таблица df с колонками: category (категория), product (товар), revenue (выручка товара, ₽). Не схлопывая строки, добавь к каждой строке две колонки: category_total — суммарная выручка всей категории, к которой относится товар, и share_pct — доля выручки этого товара внутри своей категории в процентах (revenue / выручка_категории * 100), округлённая до 2 знаков. Число и порядок исходных строк должны сохраниться. Реализуй f(df).

Темы

pandas transform groupby share-in-group broadcasting

Подсказки

• Ключевое отличие transform от agg: transform возвращает Series той же длины, что исходный df, «размазывая» агрегат группы по всем её строкам. Именно это нужно, чтобы поделить строку на итог её группы.
• group_total = df.groupby('category')['revenue'].transform('sum') даёт для каждой строки сумму выручки её категории — идеально для знаменателя доли.
• Долю в процентах считай как df['revenue'] / group_total * 100 и округли .round(2). Работай на копии df.copy(), чтобы не менять исходный кадр.

Что проверяет эта задача

Задача «Доля товара внутри категории (transform)» учит обрабатывать табличные данные в pandas: фильтрация, группировка, объединение и метрики. Такие задачи дают на собеседованиях в Wildberries и других IT-компаниях. Уровень средний — типичная боевая задача на уверенный Python.

Как подступиться к решению

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