Machine learning Interview

🧩 Задача для дата-сайентистов: "Средняя зарплата" (с подвохом)

📖 Описание задачи

У вас есть DataFrame df с данными о зарплатах сотрудников компании:

import pandas as pd

data = {
    'employee_id': [1, 2, 3, 4, 5, 6],
    'department': ['IT', 'IT', 'HR', 'HR', 'Finance', 'Finance'],
    'salary': [100000, None, 50000, None, 70000, None]
}

df = pd.DataFrame(data)
print(df)

Результат:

   employee_id department    salary
0            1         IT  100000.0
1            2         IT       NaN
2            3         HR   50000.0
3            4         HR       NaN
4            5    Finance   70000.0
5            6    Finance       NaN

В задаче требуется заполнить пропущенные значения зарплат в каждом отделе медианой зарплаты этого отдела.
Если медиана не может быть рассчитана (например, все значения NaN) — оставить NaN.

Вы пишете следующий код:

df['salary_filled'] = df.groupby('department')['salary'].transform(lambda x: x.fillna(x.median()))

✅ Код выполняется без ошибок, но когда вы проверяете результат:

print(df)

Получаете:

   employee_id department    salary  salary_filled
0            1         IT  100000.0       100000.0
1            2         IT       NaN       100000.0
2            3         HR   50000.0        50000.0
3            4         HR       NaN        50000.0
4            5    Finance   70000.0        70000.0
5            6    Finance       NaN        70000.0

✅ Всё вроде бы верно…

Но через неделю приходит заказчик и говорит:

> «Ты заполнил пропуски, но потом выяснилось, что в реальных данных в одном отделе все зарплаты NaN, а значит медиана не существует.
> А в твоём коде при такой ситуации почему-то появляется 0 вместо NaN!»

📝 Вопросы:

1. Почему появилось 0 (хотя ожидалось NaN)?
2. Как переписать код так, чтобы:
- Если медиана существует → заполнить ею NaN
- Если медиана не существует (все значения NaN) → оставить NaN

---

🎯 Что проверяет задача:

✅ Понимание, как median() работает на пустой серии
✅ Понимание, что fillna(np.nan) может привести к замещению на 0 при приведении типов
✅ Умение работать с группами, где нет данных

---

💡 Подсказка:

Если `x.median()` вернёт `nan`, то `x.fillna(nan)` оставит NaN внутри группы, **но transform может "автоматически" заменить NaN на 0 при сборке результата** (особенность Pandas).

Нужно явно управлять значением медианы, чтобы избежать непредвиденного замещения.

---

✅ Ожидаемое правильное решение:

```python
def fill_with_median_or_nan(x):
med = x.median()
return x.fillna(med if pd.notna(med) else np.nan)

df['salary_filled'] = df.groupby('department')['salary'].transform(fill_with_median_or_nan)
```

Теперь в отделах, где медиана не существует, **NaN останется NaN**, а не превратится в 0.

🔥 Дополнительный подвох (для усложнения):

Что будет, если отдел состоит только из одного сотрудника с NaN?
→ Нужно ли обработать случай, где в отделе всего 1 запись и она NaN?


📝 Вывод:

Эта задача проверяет:

✅ Понимание нюансов заполнения пропусков в Pandas
✅ Внимательность к corner-case ситуациям
✅ Умение работать с группами с частично или полностью отсутствующими данными

🔥 Отличная тренировка внимательности и глубины понимания Pandas!

www.tg-me.com/sg/Machine learning Interview/com.machinelearning_interview/1785

4.4K viewsMay 6 at 09:42

🧩 Задача для дата-сайентистов: "Средняя зарплата" (с подвохом)

📖 Описание задачи

У вас есть DataFrame df с данными о зарплатах сотрудников компании:

import pandas as pd

data = {
    'employee_id': [1, 2, 3, 4, 5, 6],
    'department': ['IT', 'IT', 'HR', 'HR', 'Finance', 'Finance'],
    'salary': [100000, None, 50000, None, 70000, None]
}

df = pd.DataFrame(data)
print(df)

   employee_id department    salary
0            1         IT  100000.0
1            2         IT       NaN
2            3         HR   50000.0
3            4         HR       NaN
4            5    Finance   70000.0
5            6    Finance       NaN

df['salary_filled'] = df.groupby('department')['salary'].transform(lambda x: x.fillna(x.median()))

print(df)

   employee_id department    salary  salary_filled
0            1         IT  100000.0       100000.0
1            2         IT       NaN       100000.0
2            3         HR   50000.0        50000.0
3            4         HR       NaN        50000.0
4            5    Finance   70000.0        70000.0
5            6    Finance       NaN        70000.0

BY Machine learning Interview