Когортный анализ retention

Условие задания

**Данные:** таблица `events` (`user_id`, `event_date`) и таблица `users` (`user_id`, `registration_date`).

**Задание:**
1. Постройте когортную таблицу retention по месяцу регистрации
2. Для каждой когорты рассчитайте процент вернувшихся пользователей в месяцы 0, 1, 2, ..., 6

Пример данных

Структура для ориентира — реальные значения из эталонного решения.

users = pd.DataFrame({
    'user_id': range(n_users),
    'registration_date': pd.date_range('2024-01-01', periods=n_users, freq='3h'),
})

Темы

pandas pivot_table когорты retention groupby

Подсказки

• Когорта = месяц регистрации (period = "M")
• cohort_period = (event_month - registration_month) в месяцах
• pivot_table(index=cohort, columns=period, values=user_id, aggfunc="nunique")

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "Когортный анализ retention"?

Это задание для уровня Middle. Для middle-аналитиков с опытом 1-3 года, требует уверенного владения темой и понимания edge cases.

На каких собеседованиях встречается такая задача?

Подобные задания в категории «Python» регулярно дают на собеседованиях аналитика данных в Яндекс, Сбер, Ozon, Авито, Тинькофф, Wildberries, T-Bank, X5, ВТБ и других крупных IT-компаниях. Тематика: pandas, pivot_table, когорты, retention, groupby.

Сколько времени даётся на решение?

На реальном собеседовании на подобную задачу отводится 15-30 минут — оцениваются подход, корректность, обработка edge cases. Для тренировки рекомендуем сначала решить самостоятельно, потом сверить с эталонным решением и подсказками.

Где ещё потренироваться по теме «Python»?

На zasqlpython.ru есть 482 Python задачи с проверкой через Pyodide, конспекты Python и pandas, AI мок-собеседование с разбором ваших ответов.

← Все задания