Pandas

@ujif · Регистрация: 08.12.2012

Студворк — интернет-сервис помощи студентам

В программе созданы файлы с данными - "user_visit.csv", "date_reg.csv".
Файл "user_visit.csv" содержит столбцы:
'user' - имена пользователей приложения,
'date' - дата когда пользователи заходили в приложение.
Файл "date_reg.csv" содержит столбцы:
'user' - имена пользователей приложения,
'date_reg' - дата когда пользователи зарегистрировались в приложении.
Получите DataFrame в котором есть столбцы 'user', 'date', а также столбец 'flag_reg'.
В столбце 'flag_reg' стоит True, если user в этот день зарегистрировался и False, если нет.
user date flag_reg
0 user_50 2023-01-01 True
1 user_23 2023-01-01 True
2 user_5 2023-01-01 True
3 user_50 2023-01-01 False
4 user_21 2023-01-01 True
5 user_9 2023-01-01 True
6 user_23 2023-01-02 False
7 user_19 2023-01-03 True
8 user_23 2023-01-03 False
9 user_13 2023-01-03 True

Результат запишите в переменную new_df.
Пользователь может заходить в приложение без регистрации.
Результат запишите в переменную new_df

файл user_visit.csv имеет вид
user date
0 user_2 2023-01-01
1 user_23 2023-01-01
2 user_14 2023-01-01
3 user_3 2023-01-01
4 user_16 2023-01-01
... ... ...
1012 user_13 2023-04-10
1013 user_38 2023-04-10
1014 user_20 2023-04-10
1015 user_4 2023-04-10
1016 user_0 2023-04-10

[1017 rows x 2 columns]

файл date_reg.csv имеет вид
user date_reg
0 user_3 2023-01-16
1 user_1 2023-01-18
2 user_20 2023-01-18
3 user_29 2023-01-22
4 user_19 2023-01-23
5 user_5 2023-01-24
6 user_18 2023-01-24
7 user_25 2023-01-26
8 user_27 2023-01-27
9 user_16 2023-02-01
10 user_0 2023-02-02
11 user_6 2023-02-05
12 user_10 2023-02-05
13 user_26 2023-02-07
14 user_2 2023-02-08
15 user_28 2023-02-11
16 user_24 2023-02-11
17 user_4 2023-02-13
18 user_12 2023-02-17
19 user_7 2023-02-20
20 user_23 2023-02-20
21 user_13 2023-02-21
22 user_8 2023-02-21
23 user_21 2023-02-22
24 user_22 2023-02-22
25 user_17 2023-02-24
26 user_14 2023-02-25
27 user_15 2023-02-27
28 user_11 2023-02-27
29 user_9 2023-02-28

в файлах разные сепараторы, это начало решения, дальше не пошло

Python
1
2
3
4
5
df = pd.read_csv("users_visit.csv",sep=':')\
.merge(pd.read_csv("date_reg.csv",sep=';'), how='left')
 
df['date'] = pd.to_datetime(df['date'])
df['date_reg'] = pd.to_datetime(df['date_reg'])

эта задача из курса со степика "Pandas для Анализа данных"
замучал всю нейро, ни одно решение не проходит, из 104 , кол-во решивших 18%
возможно условие кривое у автора

@droider · 03.09.2025, 13:37

Сообщение от ujif

ни одно решение не проходит

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import pandas as pd
 
# Загрузка данных
user_visit = pd.read_csv('user_visit.csv')
date_reg = pd.read_csv('date_reg.csv')
 
# Преобразуем колонки с датами к типу datetime
user_visit['date'] = pd.to_datetime(user_visit['date'])
date_reg['date_reg'] = pd.to_datetime(date_reg['date_reg'])
 
# Объединяем данные по 'user', чтобы добавить дату регистрации к каждому визиту
new_df = user_visit.merge(date_reg, on='user', how='left')
 
# Создаём флаг: True, если дата визита совпадает с датой регистрации
new_df['flag_reg'] = new_df['date'] == new_df['date_reg']
 
# Убираем лишний столбец date_reg, если он больше не нужен (по условию задачи — только user, date, flag_reg)
new_df = new_df[['user', 'date', 'flag_reg']]

@ujif · 04.09.2025, 02:06 **[ТС]**

Сообщение от droider

new_df = new_df[['user', 'date', 'flag_reg']]

спасиб, я также решил, небольшое уточнение, у файлов разные сепараторы, поэтому

Python
1
2
user_visit = pd.read_csv('user_visit.csv', sep=':')
date_reg = pd.read_csv('date_reg.csv', sep=';')

и еще парой способов попробовал, а потом пошел спрашивать у нейро, и порядка 30 кодов
от нее, тоже не прошли, автора спросить нет возможности, он меня забанил, но у него
не первое это кривое условие задачи, 16% решивших из 104 за 2 или 3 года

Новые блоги и статьи Все статьи Все блоги /
Почему дизайн решает? Neotwalker 09.01.2026 В современном мире, где конкуренция за внимание потребителя достигла пика, дизайн становится мощным инструментом для успеха бренда. Это не просто красивый внешний вид продукта или сайта — это. . .	Модель микоризы: классовый агентный подход 3 anaschu 06.01.2026 aa0a7f55b50dd51c5ec569d2d10c54f6/ O1rJuneU_ls https:/ / vkvideo. ru/ video-115721503_456239114	Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ФедосеевПавел 06.01.2026 Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ВВЕДЕНИЕ Введу сокращения: аналоговый ПИД — ПИД регулятор с управляющим выходом в виде числа в диапазоне от 0% до. . .	Модель микоризы: классовый агентный подход 2 anaschu 06.01.2026 репозиторий https:/ / github. com/ shumilovas/ fungi ветка по-частям. коммит Create переделка под биомассу. txt вход sc, но sm считается внутри мицелия. кстати, обьем тоже должен там считаться. . . .
Расчёт токов в цепи постоянного тока igorrr37 05.01.2026 / * Дана цепь постоянного тока с сопротивлениями и напряжениями. Надо найти токи в ветвях. Программа составляет систему уравнений по 1 и 2 законам Кирхгофа и решает её. Последовательность действий:. . .	Новый CodeBlocs. Версия 25.03 palva 04.01.2026 Оказывается, недавно вышла новая версия CodeBlocks за номером 25. 03. Когда-то давно я возился с только что вышедшей тогда версией 20. 03. С тех пор я давно снёс всё с компьютера и забыл. Теперь. . .	Модель микоризы: классовый агентный подход anaschu 02.01.2026 Раньше это было два гриба и бактерия. Теперь три гриба, растение. И на уровне агентов добавится между грибами или бактериями взаимодействий. До того я пробовал подход через многомерные массивы,. . .	Советы по крайней бережливости. Внимание, это ОЧЕНЬ длинный пост. Programma_Boinc 28.12.2025 Советы по крайней бережливости. Внимание, это ОЧЕНЬ длинный пост. Налог на собак: https:/ / ********/ gallery/ V06K53e Финансовый отчет в Excel: https:/ / ********/ gallery/ bKBkQFf Пост отсюда. . .