Yandex.Praktikum 🍂

sprint_2_theme_3_task_3.py

import pandas as pd
stock = pd.read_csv('/datasets/stock_upd.csv')

stock['item_lowercase'] = stock['item'].str.lower()

apple = stock[stock['item_lowercase'].str.contains('apple')]['count'].sum()
samsung = stock[stock['item_lowercase'].str.contains('samsung')]['count'].sum()

stock['item_lowercase'] = stock['item_lowercase'].drop_duplicates()
stock = stock.dropna().reset_index(drop=True)

stock.at[3, 'count'] = apple
stock.at[1, 'count'] = samsung

print(stock)

# Результат
#           id                              item  count                    item_lowercase
# 0  100480924     Смартфон Xiaomi Redmi 6A 16GB     44     смартфон xiaomi redmi 6a 16gb
# 1  100480938  Смартфон Samsung Galaxy A30 32GB     60  смартфон samsung galaxy a30 32gb
# 2  100480959          Смартфон HUAWEI P30 lite     38          смартфон huawei p30 lite
# 3  100480975     Смартфон Apple iPhone Xr 64gb     29     смартфон apple iphone xr 64gb
# 4  100480988            Смартфон Honor 8X 64GB     64            смартфон honor 8x 64gb

sprint_2_theme_3_task_4.py

from nltk.stem import SnowballStemmer 
russian_stemmer = SnowballStemmer('russian')

queries = ["эпл айфоны", 
           "купить эпл телефон", 
           "лучшие смартфоны", 
           "барон фон", 
           "смартфон эпл айфон", 
           "смартфоны 2019", 
           "эплан", 
           "фоновая музыка", 
           "эпл айфоны икс", 
           "эпл айфон 64гб",
           "фон для фото",
           "купить эпл",
           "эпл айфон купить",
           "эплеренон купить", 
           "смартфон где купить", 
           "эплан показания", 
           "смартфон huawei",
           "эпл"]

for stemmed_query in queries:
    for word in stemmed_query.split():
        stemmed_word = russian_stemmer.stem(word)
        if stemmed_word == 'эпл':
            print(stemmed_query)
            
            
# Результат
# эпл айфоны
# купить эпл телефон
# смартфон эпл айфон
# эпл айфоны икс
# эпл айфон 64гб
# купить эпл
# эпл айфон купить
# эпл

sprint_2_theme_3_task_5.py

import pandas as pd
from pymystem3 import Mystem
from collections import Counter

feedback = pd.read_csv('/datasets/feedback.csv')

m = Mystem()
lemmas = m.lemmatize(feedback.at[1, 'text'])

print(Counter(lemmas))

# Counter({' ': 16, 'на': 2, '- ': 1, 'огромный': 1, 'качественный': 1, 'экран': 1, 'запас': 1, 'производительность': 1, 'хватить': 1, 'несколько': 1, 'год': 1, 'замечательный': 1, 'камера': 1, 'очень': 1, 'емкий': 1, 'батарея': 1, '. ': 1, 'хватать': 1, 'целый': 1, 'день': 1, '.': 1, '\n': 1})

sprint_2_theme_4.py

import pandas as pd

def alert_group(messages):
    if messages <= 300:
        return 'средний'
    elif messages > 300 and messages < 500:
        return 'высокий'
    else:
        return 'критичный'

support_log = pd.read_csv('/datasets/support_log.csv')
support_log_grouped = support_log.groupby('type_id').count()
support_log_grouped['alert_group'] = support_log_grouped['user_id'].apply(alert_group)
print(support_log_grouped['alert_group'].value_counts())

# Результат
# высокий      4
# критичный    2
# средний      2
# Name: alert_group, dtype: int64

sprint_2_theme_5.py

import pandas as pd


def alert_group_importance(row):
    if row['alert_group'] == 'средний' and row['importance'] == 1:
        return 'обратить внимание'
    elif row['alert_group'] == 'высокий' and row['importance'] == 1:
        return 'высокий риск'
    return 'в порядке очереди'
    

support_log_grouped = pd.read_csv('/datasets/support_log_grouped.csv')

# print(alert_group_importance({'alert_group': 'высокий', 'importance': 1}))

support_log_grouped['importance_status'] = support_log_grouped.apply(alert_group_importance, axis=1)

print(support_log_grouped)

# Результат
#    type_id  user_id  timestamp alert_group  importance  importance_status
# 0        1      311        311     высокий           1       высокий риск
# 1        2      302        302     высокий           0  в порядке очереди
# 2        3      606        606   критичный           0  в порядке очереди
# 3        4      312        312     высокий           1       высокий риск
# 4        5      586        586   критичный           1  в порядке очереди
# 5        6      303        303     высокий           1       высокий риск
# 6        7      283        283     средний           1  обратить внимание
# 7        8      297        297     средний           0  в порядке очереди