**Контекст:** Клиника анализирует поток пациентов для оптимизации расписания врачей.
**Данные:** DataFrame `appointments` — колонки: `appointment_id`, `doctor_id`, `specialty` (терапевт, хирург, офтальмолог, кардиолог), `patient_id`, `scheduled_at` (строка `"2024-03-15 09:30:00"`), `duration_min`, `status` (completed, cancelled, no_show).
**Задание:**
1. Сконвертируйте `scheduled_at` в datetime и извлеките час и день недели
2. Постройте распределение записей по часам — найдите пиковые часы
3. Рассчитайте загрузку каждого врача: число приёмов/день и % отмен
Структура для ориентира — реальные значения из эталонного решения.
appointments = pd.DataFrame({
'appointment_id': range(n),
'doctor_id': np.random.choice(doc_ids, n),
'patient_id': np.random.randint(1000, 5000, n),
'scheduled_at': pd.date_range('2024-01-08 08:00', periods=n, freq='15min'),
'duration_min': np.random.choice([15, 30, 45, 60], n, p=[0.3, 0.4, 0.2, 0.1]),
'status': np.random.choice(['completed', 'cancelled', 'no_show'], n, p=[0.75, 0.15, 0.10]),
})pandas groupby datetime визуализация загрузка
Это задание для уровня Junior. Подходит для начинающих аналитиков, проверяет базовые знания SQL/Python/статистики.
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, groupby, datetime, визуализация, загрузка.
На реальном собеседовании на подобную задачу отводится 5-10 минут — проверяется скорость и базовая грамотность. Для тренировки рекомендуем сначала решить самостоятельно, потом сверить с эталонным решением и подсказками.
На zasqlpython.ru есть 482 Python задачи с проверкой через Pyodide, конспекты Python и pandas, AI мок-собеседование с разбором ваших ответов.
← Все задания