Pandas: вопросы на собеседовании

Вопросы и ответы по Pandas: подготовка, примеры и типичные ошибки.

1. Как работает groupby() и какие операции можно выполнять после группировки?
   Middle· спрашивают почти всегда· полный разбор — Jobs/Boost
2. В чём разница между .loc[] и .iloc[] для индексирования?
   Junior· спрашивают почти всегда· полный разбор — Jobs/Boost
3. В чём разница между merge(), join() и concat() в Pandas?
   Middle· спрашивают почти всегда· полный разбор — Jobs/Boost
4. Как обрабатывать пропущенные значения в Pandas — isnull(), dropna(), fillna()?
   Junior· спрашивают почти всегда
5. В каких data/AI-задачах Pandas даёт реальный выигрыш, а где лучше выбрать другой инструмент или более простой pipeline?
   Middle· спрашивают почти всегда· полный разбор — Jobs/Boost
6. Каковы типичные причины SettingWithCopyWarning и как его исправить?
   Senior· спрашивают почти всегда· полный разбор — Jobs/Boost
7. В чём разница между apply(), map() и applymap() (в Pandas 2.x переименован в map())?
   Middle
8. Что такое категориальные типы данных (categorical dtypes) в Pandas и когда их следует использовать?
   Middle· полный разбор — Jobs/Boost
9. Как обрабатывать дублированные строки в DataFrame — duplicated() и drop_duplicates()?
   Junior
10. Что такое pd.get_dummies() и когда его использовать вместо OneHotEncoder из sklearn?
    Junior· полный разбор — Jobs/Boost
11. Чем transform() отличается от agg() при использовании с groupby()?
    Middle
12. Что такое MultiIndex в Pandas и как работать с многоуровневой индексацией?
    Middle· полный разбор — Jobs/Boost
13. Что такое pd.NA vs np.nan vs None в Pandas 2.x и когда они появляются?
    Middle· полный разбор — Jobs/Boost
14. Как проверять корректность решения на Pandas, а не только успешное выполнение кода?
    Senior
15. Представьте, pipeline на Pandas даёт хорошие результаты в dev, но плохо работает на новых данных. Как вы будете разбираться?
    Senior· полный разбор — Jobs/Boost
16. Какие ключевые абстракции Pandas нужно понимать, чтобы не получать формально рабочие, но неверные результаты?
    Middle
17. Как сравнить Pandas с альтернативами по качеству, скорости экспериментов, масштабированию, воспроизводимости и production-интеграции?
    Senior· полный разбор — Jobs/Boost
18. Какие риски есть у Pandas: data leakage, неверная оценка качества, memory usage, latency, cost, drift или observability?
    Senior· полный разбор — Jobs/Boost
19. Какие ошибки делают команды, когда переносят notebook/prototype-подход на production data/AI pipeline?
    Senior· полный разбор — Jobs/Boost
20. Как читать и записывать Parquet-файлы с Pandas и почему Parquet предпочтительнее CSV для больших данных?
    Middle· полный разбор — Jobs/Boost
21. Как использовать pivot_table() и когда его предпочесть groupby()?
    Middle· полный разбор — Jobs/Boost
22. Как работает pd.read_csv() и какие параметры помогают с производительностью (chunksize, dtype, usecols)?
    Middle
23. Как работает resample() для временных рядов и какие существуют распространённые псевдонимы частот?
    Middle· полный разбор — Jobs/Boost
24. Как использовать оконные функции rolling() и expanding() в Pandas?
    Middle· полный разбор — Jobs/Boost
25. В чём разница между Series и DataFrame в Pandas?
    Junior
26. В чём разница между sort_values() и sort_index()?
    Junior· полный разбор — Jobs/Boost
27. Как использовать поведение Copy-on-Write (CoW), представленное в Pandas 2.0?
    Senior· полный разбор — Jobs/Boost
28. Как эффективно объединить два больших DataFrame — какие стратегии снижают использование памяти?
    Senior· полный разбор — Jobs/Boost
29. Как профилировать использование памяти DataFrame в Pandas и уменьшить его?
    Senior
30. Расскажите о случае, когда вы использовали Pandas для pipeline, evaluation, optimization, deployment или debugging.
    Middle
31. Когда Pandas уже не подходит и стоит перейти на Polars, DuckDB или Spark?
    Middle· полный разбор — Jobs/Boost
32. Как проектировать pipeline без data leakage при joins, resampling и feature generation?
    Middle· полный разбор — Jobs/Boost
33. Как использовать query() для фильтрации DataFrame и когда он читабельнее булевой индексации?
    Middle
34. Как Pandas обрабатывает datetime-объекты с учётом часового пояса и каковы типичные проблемы с tz_localize vs tz_convert?
    Senior· полный разбор — Jobs/Boost
35. Как оптимизировать производительность Pandas для больших датасетов — векторизация vs циклы?
    Middle· полный разбор — Jobs/Boost
36. В чём разница между view и copy в Pandas и почему это важно?
    Senior
37. Как использовать explode() для обработки столбцов, содержащих списки, в DataFrame?
    Junior· полный разбор — Jobs/Boost
38. Как использовать method chaining в Pandas и для чего нужна функция pipe()?
    Middle· полный разбор — Jobs/Boost
39. Каковы улучшения производительности в Pandas 2.0 (Arrow-backed dtypes, Copy-on-Write)?
    Senior
40. В чём разница между stack() и unstack() в Pandas?
    Middle