Python-собеседование для аналитика данных: как подготовиться, чтобы получить оффер

Перед тем, как идти на собеседование, кандидату стоит понять, какие существуют этапы интервью у аналитиков и какое место в них занимает Python.

Структура собеседований на Data-, BI- или Продуктового аналитика выглядит так:

1. Скрининг с HR
2. Техническое собеседование на знание SQL, Python
3. *Продуктовое интервью на знание метрик, статистики и знание A/B-тестов
4. Финальное интервью с командой

* - этап спрашивают у продуктовых аналитиков

Иногда 2 и 3 пункт меняют местами или объединяют в один. В любом случае видим, что знание Python позволяет доходить до финальных этапов и получать оффер. А теперь немного углубимся в этапы:

Скрининг с HR

Техническое интервью

Совет: если у вас осталось мало времени перед собеседованиями, советуем готовиться именно к Pandas, так как встречается он гораздо чаще. Связано это с тем, что аналитикам необходимо уметь работать с табличками и с помощью них быстро отвечать на вопросы бизнеса.

Pandas

Чтение таблиц из разных источников

import pandas as pd
from zipfile import ZipFile

melb_fe = pd.read_csv("melb_data_fe.csv")

with ZipFile("movies_data.zip") as z:
    movies = pd.read_csv(z.open("movies.csv"))
    ratings1 = pd.read_csv(z.open("ratings1.csv"))
    ratings2 = pd.read_csv(z.open("ratings2.csv"))
    dates = pd.read_csv(z.open("dates.csv"))

dates["date"] = pd.to_datetime(dates["date"])

Фильтрация данных

Например, стоимость больше 100 тысяч мы запишем, как df[‘Price'] > 100000. А чтобы отобрать нужные строки, фильтр мы подадим внутри скобок дата фрейма по шаблону df[условие], например, df[df[‘Price'] > 100000] - так мы получим все строки датасета, соответствующие условию нашего фильтра.

melb_fe[melb_fe['Rooms'] == 3].shape[0]
# 5881

melb_fe[(melb_fe['Rooms'] == 3) & (melb_fe['Price'] < 300000)].shape[0]
# 3

Важно помнить, что в комбинированных условиях следует использовать логические операторы & (И) и | (ИЛИ). Использование операторов and и or приведёт к ошибке

# считаем среднюю цену за объект
mean_price = melb_fe['Price'].mean()
# вычисляем медианную площадь среди тех объектов, которые соответствуют условию
melb_fe[melb_fe['Price'] > mean_price]['BuildingArea'].median()
# 126.0

Lambda-функции

melb_fe['discounted_price'] = melb_fe['Price'].apply(lambda x: x * 0.9)
melb_fe

df = pd.DataFrame({
    'campaign': ['Яндекс.Директ', 'Google Ads', 'VK Реклама'],
    'clicks': [150, 0, 45],
    'impressions': [5000, 0, 1200]
})
df['CTR'] = df.apply(lambda row: row['clicks'] / row['impressions'] if row['impressions'] > 0 else 0, axis=1)
df['CTR_percent'] = df['CTR'].apply(lambda x: round(x * 100, 2))
df

Методы соединения таблиц: merge, join, concat

ratings = (
   pd.concat([ratings1, ratings2], ignore_index=True)
   .drop_duplicates(subset=["userId", "movieId", "rating"])
   .reset_index(drop=True)
   .assign(date=pd.to_datetime(dates["date"]))
   .merge(movies, on="movieId", how="left")
)
ratings

Сводные таблицы

(
   melb_fe
   .pivot_table(
       values="Price",
       index="Type",
       columns="MonthSale",
       aggfunc="median"
   )
   .round(0)
)

Базовый синтаксис Python

Типы данных

user_ids = [101, 102, 101, 103, 102]
seen = set(user_ids)
print(seen)          # {101, 102, 103}
print(102 in seen)   # True

Циклы for и while

values = [12, -3, 7, 0, 5]
total = 0
for i, value in enumerate(values):
if value <= 0:
       continue
   total += value
print(total)  # 24

Функции

def mean_price(values):
    print(sum(values) / len(values))


prices = [100, 200, 300]
result = mean_price(prices)


print("Результат функции:", result)

def mean_price(values):
    return sum(values) / len(values)


prices = [100, 200, 300]
result = mean_price(prices)


print("Результат функции:", result)

Что ещё может встретиться в базовом Python

Как готовиться к задачам на базовый Python

Что повторить за несколько дней до собеседования

Источники и что почитать дальше