«Выбор часов работы на основе данных» — практический проект с pandas и Matplotlib для тех, кто уже умеет читать, фильтровать и группировать данные. Помогите общественному центру корректно сравнить интервалы работы и подготовьте повторно используемый анализ на Python, полные CSV-таблицы, настоящий график и рекомендацию с учётом достаточности наблюдений.
Две лабораторные работы с пошаговыми инструкциями ведут от ручного расчёта примера с одинаковыми возможностями наблюдения к пропускам, сопоставимым показателям и явному правилу достаточности данных. Одно самостоятельное задание переносит те же методы на другой центр. Каждый раздел начинается со своих подготовленных данных и рабочего каталога.
Чему вы научитесь
После курса вы сможете:
- связывать план работы с наблюдениями по полным уникальным ключам из даты и временного интервала;
- различать часы закрытия, отсутствующие записи и реальное нулевое число посетителей;
- рассчитывать запланированные и наблюдавшиеся часы, полноту регистрации и число посетителей за наблюдавшийся час;
- применять открытые границы допуска к сравнению, сохранять все равные лучшие результаты и откладывать рекомендацию при недостатке данных;
- создавать воспроизводимые CSV-таблицы и графики суммарных и почасовых значений с видимыми числами наблюдений и полнотой регистрации;
- объяснять, почему описательные исторические показатели не устанавливают эффект продления часов работы.
Для кого этот курс
Курс предназначен для начинающих аналитиков, которые хотят использовать знакомые средства группировки и построения графиков для осторожного практического решения.
Предварительные знания: Основы Python, ввод команд в терминале, чтение CSV, фильтрация и группировка в pandas, столбчатые диаграммы Matplotlib. Необходимые объединения по составному ключу, различия пропусков и правила решений объясняются в курсе.
Учебная среда: Подготовленная WebIDE в браузере с Python, pandas и Matplotlib. Данные синтетические; подписи и вывод рабочей среды остаются на английском. Локальная установка не требуется.
Часто задаваемые вопросы
Нужны ли машинное обучение или статистика?
Нет. Вы выполните описательное сравнение, без обучения модели и проверки статистической значимости.
Нужно ли обязательно выбрать один лучший интервал?
Нет. Корректный результат сохраняет все равные лучшие варианты и может отложить рекомендацию, если ни один интервал не удовлетворяет указанному правилу. Пороги — правила упражнения, а не универсальная гарантия достоверности.
Какие результаты останутся у меня?
Повторно используемые скрипты, полные таблицы по часам и интервалам, настоящий PNG-график и краткая рекомендация с сохранением исходных данных. Каждый раздел инициализируется независимо; файлы предыдущей VM не нужны.
