Сессионизация серверных логов: собрать сессии по 30-минутному таймауту

Условие задания

**Контекст.** У вас есть сырой лог кликов/запросов веб-сервера. Аналитике нужны продуктовые метрики по сессиям: сколько сессий у пользователя, средняя длительность и число событий в сессии. Классическое правило: новая сессия начинается, если между двумя соседними событиями пользователя прошло **больше 30 минут**.

**Что дано.** DataFrame `events`:

| колонка | тип | описание |
|---|---|---|
| `user_id` | str | id пользователя |
| `ts` | datetime | время события |
| `url` | str | запрошенный путь |

События могут быть не отсортированы. У одного пользователя тысячи событий.

**Задание.**
1. Присвойте каждому событию идентификатор сессии `session_id`, уникальный в пределах пользователя: новая сессия при разрыве `> 30 минут` между соседними событиями одного пользователя.
2. Постройте сводку по сессиям `sessions` с колонками: `user_id`, `session_id`, `started_at`, `ended_at`, `n_events`, `duration_min` (минуты между первым и последним событием сессии).
3. Верните также агрегат по пользователю `per_user`: число сессий и средняя длительность сессии в минутах.
4. Формат ответа: две таблицы — `sessions` и `per_user`.

**Пример входа:**
[см. код в задании]

Пример данных

Структура для ориентира — реальные значения из эталонного решения.

events = pd.DataFrame({
    'user_id': ['a','a','a','a','b','b'],
    'ts': pd.to_datetime([
        '2024-06-01 10:00','2024-06-01 10:10','2024-06-01 10:55',
        '2024-06-01 11:00',
        '2024-06-01 09:00','2024-06-01 09:20',
    ]),
    'url': ['/a','/b','/c','/d','/x','/y'],
})

Темы

pandas сессионизация cumsum diff логи

Подсказки

• Отсортируйте по `['user_id','ts']`, затем `diff()` времени внутри пользователя даёт разрыв до предыдущего события.
• Флаг начала новой сессии = `gap > 30min` ИЛИ первое событие пользователя (`diff` = NaT). `cumsum()` по этому флагу внутри пользователя даёт нумерацию сессий.
• Длительность сессии = `ended_at - started_at`; для одноэлементной сессии это 0 минут — это нормально.
• Не забудьте про timezone/сортировку: сессионизация чувствительна к порядку, несортированный вход даёт мусорные разрывы.

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "Сессионизация серверных логов: собрать сессии по 30-минутному таймауту"?

Это задание для уровня medium. Senior-уровень — глубокое понимание темы, опыт решения нестандартных задач, обсуждение trade-off на собеседовании.

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, сессионизация, cumsum, diff, логи.

Сколько времени даётся на решение?

На реальном собеседовании на подобную задачу отводится 30-60 минут с обсуждением подходов, оптимизаций и trade-off. 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