Pandas: custom aggregation через NamedAgg

Условие задания

**Контекст:** Учебный отчёт. Group by course, нужны разные агрегаты: median score, completion rate, std.

**Данные:** DataFrame `progress` — `student_id`, `course`, `score`, `completed` (bool).

**Задание:**
1. Используй pd.NamedAgg для named output columns.
2. Сортируй по completion rate убыванию.

Пример данных

Структура для ориентира — реальные значения из эталонного решения.

progress = pd.DataFrame({
    'student_id': np.random.randint(1, 200, 2000),
    'course': np.random.choice(['Python', 'SQL', 'ML', 'Stats'], 2000),
    'score': np.random.uniform(40, 100, 2000),
    'completed': np.random.choice([True, False], 2000, p=[0.7, 0.3]),
})

Темы

pandas groupby named-agg

Подсказки

• pd.NamedAgg(column="score", aggfunc="median")
• agg(median_score=pd.NamedAgg(...), completion=pd.NamedAgg(...))
• Lambda для custom aggregation

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "Pandas: custom aggregation через NamedAgg"?

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, groupby, named-agg.

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 530+ Python задачи с проверкой через Pyodide, конспекты Python и pandas, AI мок-собеседование с разбором ваших ответов.

← Все задания