Заполненность складов по категориям

Условие задания

**Контекст:** Логистическая компания мониторит загрузку 5 складов, чтобы распределять поставки.

**Данные:**
- DataFrame `inventory` — колонки: `sku`, `warehouse_id` (WH1–WH5), `category` (electronics, food, clothing, chemicals), `quantity`, `volume_m3`
- DataFrame `warehouses` — колонки: `warehouse_id`, `capacity_m3`, `city`

**Задание:**
1. Объедините таблицы и рассчитайте занятый объём на каждом складе
2. Постройте pivot-таблицу: склады × категории → объём
3. Рассчитайте % заполненности каждого склада и найдите перегруженные (> 85%)

Пример данных

Структура для ориентира — реальные значения из эталонного решения.

warehouses = pd.DataFrame({
    'warehouse_id': ['WH1', 'WH2', 'WH3', 'WH4', 'WH5'],
    'capacity_m3': [5000, 3000, 8000, 4500, 6000],
    'city': ['Москва', 'СПб', 'Новосибирск', 'Казань', 'Екатеринбург'],
})

Темы

pandas groupby pivot_table merge утилизация

Подсказки

• merge(inventory.groupby(...).sum(), warehouses, on="warehouse_id")
• pivot_table(index="warehouse_id", columns="category", values="volume_m3", aggfunc="sum")
• Заполненность = used_volume / capacity * 100

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "Заполненность складов по категориям"?

Это задание для уровня Junior. Подходит для начинающих аналитиков, проверяет базовые знания SQL/Python/статистики.

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, groupby, pivot_table, merge, утилизация.

Сколько времени даётся на решение?

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.

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