Анализ ценообразования такси

Middle Python Доставка

Условие задания

**Задание по мотивам реального тестового в Bolt.**

**Данные:** CSV с поездками такси:
[см. код в задании]

**Задание:**
1. Сравните metered_price и upfront_price: в каком % поездок пассажир переплачивает при upfront?
2. Найдите зависимость переплаты от `gps_confidence`: при низком GPS upfront менее точный?
3. Постройте scatter plot: distance vs price для обоих типов, цвет по surge_mult
4. Предложите метрику «справедливости ценообразования» и визуализируйте её по городам

Пример данных

Структура для ориентира — реальные значения из эталонного решения.

df = pd.DataFrame({
    'ride_id': [f'R{i:04d}' for i in range(N)],
    'distance_km': distance.round(1),
    'duration_min': duration.round(0),
    'metered_price': metered,
    'upfront_price': upfront,
    'gps_confidence': gps_conf.round(2),
    'surge_mult': surge,
    'city': cities,
})

Темы

python pandas ценообразование визуализация корреляция Bolt

Подсказки

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "Анализ ценообразования такси"?

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: python, pandas, ценообразование, визуализация, корреляция.

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