Обнаружение аномалий в метриках

Условие задания

**Данные:** DataFrame `daily_txn` с колонками: `date`, `transaction_count`, `avg_amount`, `error_rate`.

**Задание:**
1. Реализуйте обнаружение аномалий методом z-score (`|z| > 3`)
2. Реализуйте обнаружение аномалий методом IQR (`< Q1 - 1.5*IQR` или `> Q3 + 1.5*IQR`)
3. Сравните результаты двух методов

Пример данных

Структура для ориентира — реальные значения из эталонного решения.

daily = pd.DataFrame({
    'date': dates,
    'transaction_count': txn_count.astype(int),
    'avg_amount': np.random.normal(1200, 150, n).round(2),
    'error_rate': np.random.beta(2, 50, n).round(4),
})

Темы

pandas z-score IQR аномалии numpy

Подсказки

• z-score = (x - mean) / std
• IQR = Q3 - Q1, границы = Q1 - 1.5*IQR, Q3 + 1.5*IQR
• Сравни количество аномалий от двух методов

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "Обнаружение аномалий в метриках"?

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, z-score, IQR, аномалии, numpy.

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