pandas и numpy на «грязных» выгрузках сети фитнес-клубов
Берёте сырые выгрузки — посещения, абонементы, клиентов — и за 24 урока доходите до месячного отчёта, который сам чистит данные, считает показатели по клубам и сравнивает месяцы. Справа — не картинка: это тот же тренажёр, что в уроках. Поменяйте код и запустите.
1 990 ₽ за весь курс, один раз и навсегда. Первый урок открыт бесплатно — нужна только регистрация.
Код выполняет настоящий Python с pandas — тот же, что в уроках. Он загружается по первому нажатию «Запустить»: около 20 МБ, обычно от десяти секунд до полминуты. Таблицы учебные — выдуманная сеть клубов «Береста».
Нажмите «Запустить» — вывод программы появится здесь.
У каждого — модуль, где он разобран, и проект, где вы делаете это сами.
Вы пишете программу один раз: она читает выгрузки, чистит, считает и печатает отчёт с выводами. За следующий месяц — заменить одну строку. Так устроен итоговый проект курса.
Данные сети «Береста» грязные нарочно и так, как бывает в жизни: двойные сканы, возраст 150 лет, абонемент за один рубль. Вы учитесь находить такие места, решать, что с ними делать, и записывать, что исправили.
Группировки, сводные, соединение и склейка таблиц — каждая на своём вопросе к данным. После любого соединения вы сверяете число строк: merge тихо теряет и размножает строки, и этому посвящён отдельный урок.
Динамика по месяцам и скользящее среднее, выбросы, сравнение групп и связи показателей. Вы учитесь не только считать, но и проверять: например, найти, что скачок выручки в марте объясняется открытием нового клуба.
Каждую из них проверяет проект модуля — если он сдан, значит, умеете.
Прочитать файл в таблицу, понять размер, типы и пропуски и отобрать нужные строки и столбцы.
Убрать дубли, исправить неверные значения, превратить текст в числа и даты, свести написания к одному.
Итоги по клубам и тарифам, доли, рост к прошлому месяцу, скользящее среднее, разница между группами.
Оформить анализ как набор функций, который запускается на свежих выгрузках и печатает отчёт с выводами.
На уровне «разбираю табличные выгрузки на pandas сам и понимаю, чему верить в результате». Это основа, а не профессия: графики, машинное обучение, базы данных и работа с очень большими файлами в курс не входят. Вакансию он не гарантирует, и обещать её мы не станем.
Первый печатает паспорт выгрузки: размер, типы, пропуски, подозрительные места. Последний — месячный отчёт сети, который запускается заново за любой месяц. Между ними — чистка, группировки, соединения и динамика, и на каждой ступени программа умеет чуть больше.
Образца перед глазами нет: есть описание поведения и тесты. Они запускают вашу программу на данных курса и на маленьких таблицах с нарочно заложенными ошибками — и показывают, на чём она споткнулась.
Программа читает выгрузку посещений и печатает её паспорт: размер, столбцы и типы, пропуски, границы дат и подозрительные места.
Программа считает по абонементам выручку и среднюю цену, находит самые дорогие абонементы и клубы с наибольшим числом продаж и печатает рейтинг.
Программа берёт «грязные» клиентов, абонементы и посещения и отдаёт чистые таблицы с отчётом о том, что исправлено.
Программа собирает по каждому клубу посещения, среднюю длительность, выручку и долю от сети и печатает сводный отчёт.
Программа соединяет посещения с клубами, клиентами и тренерами, проверяет соединения, восстанавливает даты окончания абонементов и находит посещения без действующего абонемента.
Программа считает выручку по месяцам и клубам, рост к прошлому месяцу, накопленный итог и скользящее среднее и печатает таблицу динамики.
Программа получает номер месяца, чистит сырые выгрузки, считает показатели по клубам и динамику к прошлому месяцу и печатает готовый отчёт с выводами.
Один приём за раз: объяснили, показали в работе, дали попробовать. И так до конца урока.
groupby разбивает строки по клубам, sum() складывает цены в каждой группе, а idxmax() находит клуб с наибольшей выручкой.
sales = memberships[memberships["price"] > 0]
revenue = sales.groupby("club_id")["price"].sum()
print(revenue.idxmax(), revenue.max())1 2575810sum() на count() и запустите ещё разКаждый пример запускается кнопкой, а ещё его можно открыть в тренажёре и поменять под себя.
Не «три строки для примера», а восемь тысяч посещений, тысяча абонементов и грязные места, которые встречаются в жизни.
Рядом с сообщением pandas — что оно значит по-русски и с какой строки искать причину.
Если у клуба нет ни одной известной длительности, среднее — пропуск, а не ноль.
def club_summary(visits):
result = visits.groupby("club_id").agg(
visits=("visit_id", "size"),
avg_minutes=("minutes", "mean"),
)
return result.fillna(0)club_summary(visits).loc[2, "visits"]3club_summary(visits).loc[1, "avg_minutes"]70.0club_summary(visits).loc[3, "avg_minutes"]ждали nan, получили 0.0fillna(0) превратил пропуск в нольНе сверяют с образцом, а запускают функцию с разными таблицами. Как вы её написали — ваше дело.
Пустые значения, месяц без данных, ничья, деление на ноль. Через пару модулей вы начнёте думать о них заранее.
Первая наводит на мысль, следующая сужает поиск. Готовое решение открывается последним.
Задачи четырёх видов: угадать вывод программы, выбрать ответ, починить чужой код, написать свой. Чужой код чинят в каждом уроке — в анализе данных это половина работы.
Сначала таблица и выбор данных. Потом чистка — самая долгая и самая важная часть. Дальше группировки, несколько таблиц, время и статистика. Первый урок — проверка готовности: он покажет, что из основ Python стоит повторить. Раскройте модуль — под каждым уроком написано, что вы в нём делаете.
Проект: Паспорт выгрузки. Программа читает выгрузку посещений и печатает её паспорт: размер, столбцы и типы, пропуски, границы дат и подозрительные места.
В итоге: читаете выгрузку в таблицу и сразу понимаете, что в ней лежит и что с ней не так.
Проект: Топ позиций. Программа считает по абонементам выручку и среднюю цену, находит самые дорогие абонементы и клубы с наибольшим числом продаж и печатает рейтинг.
В итоге: отбираете нужное, сортируете и считаете новые столбцы без единого цикла.
Проект: Чистая выгрузка. Программа берёт «грязные» клиентов, абонементы и посещения и отдаёт чистые таблицы с отчётом о том, что исправлено.
В итоге: превращаете сырую выгрузку в таблицу, которой можно доверять.
Проект: Отчёт по клубам. Программа собирает по каждому клубу посещения, среднюю длительность, выручку и долю от сети и печатает сводный отчёт.
В итоге: отвечаете на вопросы «сколько и по каким группам» одной сводной таблицей.
Проект: Посещения со справочниками. Программа соединяет посещения с клубами, клиентами и тренерами, проверяет соединения, восстанавливает даты окончания абонементов и находит посещения без действующего абонемента.
В итоге: собираете данные из нескольких таблиц и уверены, что соединение их не испортило.
Проект: Динамика выручки. Программа считает выручку по месяцам и клубам, рост к прошлому месяцу, накопленный итог и скользящее среднее и печатает таблицу динамики.
В итоге: видите, как показатели меняются во времени, и отличаете тренд от случайного скачка.
Проект: Месячный отчёт сети. Программа получает номер месяца, чистит сырые выгрузки, считает показатели по клубам и динамику к прошлому месяцу и печатает готовый отчёт с выводами.
В итоге: проходите весь путь анализа сами: от сырой выгрузки до отчёта с выводами.
Переменные, условия, циклы, списки, словари, функции, чтение CSV. Если прошли «Python с нуля» — всего хватит. Не уверены — начните с первого урока: это проверка готовности, и для каждой задачи в ней сказано, какой урок «Python с нуля» повторить.
Каждый месяц одни и те же выгрузки, одни и те же сводные и фильтры? Здесь то же самое делает программа: она запоминает, как вы чистили и считали, и повторяет это на новых данных.
Чистка, соединение таблиц, динамика и проверка выводов — это основа работы начинающего аналитика. Курс даёт именно эту основу, а не весь набор инструментов: SQL, графики и статистика глубже в него не входят.
Шесть вещей, о которых честнее сказать до покупки.
Да. Программы выполняет настоящий интерпретатор Python 3.14 с библиотеками pandas 3.0 и numpy, собранный для браузера. Код из уроков работает и на вашем компьютере. Не работают в тренажёре только вещи за рамками курса: графики, сеть и сторонние пакеты.
Не обязательно, но основы языка нужны. Если вы уже писали на Python циклы, функции, работали со списками и словарями и читали CSV — можно начинать. Первый урок бесплатный и построен как проверка: он покажет, что стоит повторить, и подскажет урок «Python с нуля» по каждой теме.
При первом открытии браузер загружает Python и pandas — около 20 МБ — и подготавливает их к работе. Обычно это от десяти секунд до полуминуты, дальше всё хранится в памяти браузера и открывается быстро. На старом телефоне или со слабым интернетом дольше — лучше заниматься с компьютера.
Нет, сеть фитнес-клубов «Береста» выдумана. Данные устроены как настоящие: сезонность, новый клуб, возвраты, двойные записи и ошибки ввода — их заложено нарочно, чтобы вы научились находить такие места. Реальные персональные данные в курсе не используются.
Около 22 часов: около часа на урок, итоговый проект дольше. Если заниматься по часу в будний день, выйдет около месяца. Торопить вас никто не будет.
Вы сможете разбирать табличные выгрузки на pandas: чистить, соединять, считать и проверять результат. Следующие шаги — SQL и базы данных, графики, статистика глубже. Они в курс не входят, вакансию он не гарантирует.
У каждой задачи две-четыре подсказки, от общей к конкретной, а после них открывается одно из решений. Застрять намертво не получится — но решение, найденное самим, запоминается лучше.
Читать уроки можно, но решать задачи и тем более проекты удобнее на компьютере: таблицы широкие, а программы — длинные. К тому же pandas тяжёлый для маленьких устройств.
Откройте первый урок: через полчаса вы проверите, что из Python уже знакомо, прочитаете таблицу сети клубов и увидите, как pandas справляется с задачей, на которую раньше уходили часы. Дальше — ещё 23 урока и 7 проектов за 1 990 ₽.