🧩 Когда хочется угодить заказчику или лайфхак в Python для.. Excel

Неожиданно, правда? Недавно столкнулась с такой потребностью по работе: нужно было собрать всё про клиента в одной строке - заказы, статусы, комментарии - чтобы не плодить дубли.

Классика разговора:
- А такое можете?
- Могём!

Короче можно сделать аккуратно и компактно, всё в одной строке! 👇

Создадим датафреймчик

import pandas as pd
from openpyxl import load_workbook
from openpyxl.styles import Alignment

df = pd.DataFrame({
    'client_id': [1, 1, 1, 2, 2],
    'order_id': [101, 102, 103, 201, 202],
    'comment': ['срочная доставка', 'оплата картой', 'повторный заказ', 'новый клиент', 'скидка 10%']
})

Теперь объединим данные по клиенту. И вот тут используем переносы строк внутри ячейки \n. Но в юпитере их видно не будет. Смотрите на фото как выглядит в Юпитере. Строка будет типа такой: срочная доставка\nоплата картой\nповторный заказ

df_grouped = df.groupby('client_id', as_index=False).agg({
    'order_id': lambda x: '\n'.join(map(str, x)),  
    'comment': lambda x: '\n'.join(x)
})

💡Теперь само волшебство:

file = 'clients_info.xlsx'

#Сохраняем в Excel
df_grouped.to_excel(file, index=False, engine='openpyxl')

# ✨ Делаем переносы видимыми в Excel
wb = load_workbook(file)      # открываем созданный файл Excel
ws = wb.active                # выбираем активный лист

# пропускаем заголовок,проходит по всем ячейкам.
for row in ws.iter_rows(min_row=2, max_row=ws.max_row):  
    for cell in row:
# Если в ячейке есть текст с переносами — включаем wrapText
        if isinstance(cell.value, str) and '\n' in cell.value:
            cell.alignment = Alignment(wrapText=True)

wb.save(file) # сохраняем файл счастья

😀 Excel покажет всё в столбик прямо внутри ячейки, аккуратно и читаемо!

Лайк за пост в рабочий субботний день! 🤪 Кто осилил - тот молодец!

⚡️Как устроиться аналитиком в 2025 году — не запутаться и не выгореть

Если вы хотите попасть в аналитику, но не понимаете, с чего начать?
SQL, Python, BI, курсы, хард- и софт-скиллы, стажировки - информации море, а структуры ноль 🤯

Разобраться, что реально важно, поможет бесплатный вебинар от Simulative - они уже стали родными в этом канале.

Ведущий - Андрон Алексанян, CEO школы аналитики Simulative. Он не просто расскажет “как стать аналитиком”, а покажет, что сейчас действительно работает на рынке и как получить оффер быстрее других.

Что будет на вебинаре:

〰️полный роадмап аналитика 2025 — что учить и в каком порядке
〰️портфолио и резюме, которые реально замечают наниматели
〰️инсайты от рекрутеров: какие требования сейчас в приоритете
〰️техники для новичков, чтобы компенсировать отсутствие опыта

Кстати, миф “в аналитику берут только с опытом” давно не работает, а если вам 30, 40 или даже 50+ - этот не минус, про все это раскроют подробно на вебинаре.

Главное — понимать, что и зачем делать.

Бонус: в конце вебинара ребята из Simulative дадуи вам инструмент, который поможет ускорить рост в аналитике.
А сразу после регистрации пришлют чек-лист, чтобы понять, подходит ли вам аналитика вообще.

😶Зарегистрироваться на бесплатный вебинар

😄 Когда продукт не совпал с реальностью

Ребят, вы же не против немного лайфстайла в выходной?
Обычно здесь строго про Python, SQL и аналитику.. но вчерашняя ситуация так хорошо легла на продуктовое мышление, что не удержалась 😄

Вчера была на стендапе.
Афиша: чёрно-белые портреты комиков, стильная типографика, обещанные «4 комика с лучшими проверенными шутками».
Реальность: на сцене — совсем другие комики, не с афиши. И я такая: «Ого, так можно было?»

И тут сработала профессиональная деформация аналитика.
📊 Когда мы видим продукт, мы покупаем именно тот, который нам показывают.
Не тот, что “должен был быть”,
не тот, что “заменили в последний момент”,
а конкретное обещание, вынесенное на афишу/баннер/экран.

В продуктовой аналитике это видно особенно четко:

✖️неверный скриншот в сторе — минус конверсии;
✖️обещали одну фичу — дали другую — минус доверие;
✖️несостыковка маркетинга и реального UX — минус удержание.

✅ Ожидание должно совпадать с опытом.
Если пользователь приходит за «вот этими четырьмя комиками с афиши, хоть кого-то из шести заявленных», не стоит удивляться, что он слегка в шоке, когда выходит совсем другой состав.
Да, внизу афиши мелким шрифтом указано, что состав комиков может меняться. Но я и не думала, что меняться не из предложенного списка.

К слову, мне стендап понравился. Было смешно, я хорошо провела вечер. Но, но, но...
Эта ситуация напомнила мне простое правило продуктового мышления:
👉 сначала честная коммуникация, потом — хороший продукт. Тогда и шутки смешнее, и метрики растут 😉

📊 Топ-5% пользователей с наибольшим количеством заказов

💡Так как сейчас всем не хватает реальной практики задач с собеседований, ловите ещё один интересный разбор

Сегодня решаем задачу:
Найти топ 5% пользователей с наибольшим количеством заказов по name
🟢Данные:

- таблица orders: order_id, user_id, state, category
- таблица users: user_id, name, other

Создадим табличку orders, обойдемся без колонки category. Она все равно тут не нужна:

orders = pd.DataFrame({
    "order_id": list(range(1, 41)),
    "user_id": [
    5,5,5,5,5,5,5,5,5,5,      # 10 заказов (Ева)
    2,2,2,2,2,2,2,2,           # 8 заказов (Саша)
    1,1,1,1,1,1,               # 6 заказов (Алиса)
    3,3,3,3,                   # 4 заказа (Лена)
    4,4,4,                      # 3 заказа (Давид)
    6,7,8,9,10,11,12,13,14      # по одному заказу
],
    "state": ["delivered"] * 40   
})

и таблицу users (без колонки other, незачем нам тут лишняя инфа):

users = pd.DataFrame({
    "user_id": list(range(1, 21)),
    "name": [
        "Алиса", "Саша", "Лена", "Давид", "Ева",
        "Марина", "Игорь", "Оля", "Иван", "Юля",
        "София", "Саша", "Олег", "Лера", "Миша",
        "Наташа", "Ирина", "Петр", "Лиза", "Рита"
    ] 
})

✅ Решение:

query = """
with user_orders as (
  select u.user_id,
         u.name,
         count(o.order_id) as cnt
  from users u
  left join orders o on u.user_id = o.user_id
  group by u.user_id, u.name
),
ranked as (
  select uo.*,
         row_number() over (order by uo.cnt desc) as rn,
         (select count(*) from user_orders) as total_users
  from user_orders uo
)
select user_id, name, cnt
from ranked
where rn <= ceil(total_users * 0.05)
"""

result = duckdb.query(query).to_df()

🔸Агрегируем данные: для каждого user_id считаем количество заказов cnt = COUNT(order_id).
🔸Используем LEFT JOIN, чтобы не потерять пользователей без заказов.
🔸Ранжируем пользователей по убыванию cnt. Это удобно делать оконной функцией row_number().
🔸Считаем порог - вычисляем total_users и берём ceil(total_users * 0.05) - количество пользователей, попадающих в верхние 5%.
🔸Отбираем те, у кого rn <= порог.

Почему получается в результате 1 юзер? Потому что:
total_users = 20 человек; 5% от 20 = 20 * 0.05 = 1 Потом применяется ceil(если число не целое)

То есть запрос выбирает только одну строку — первого пользователя по рангу (это Ева).

Если пользователей мало, то 5% - это конечно очень маленькое число.

❗️ Есть еще вариант считать что под "топ-5%" имеют в виду тех, у кого количество заказов входит в верхние 5% по значению, а не по позиции в списке. Тогда нужно считать чей cnt ≥ 95-й перцентиль.

Если интересно - попробуйте посчитать с перцентилем. Я выложу такой вариант расчета на днях.

📊 Теперь через 0.95-квантиль! Топ-5% пользователей с наибольшим количеством заказов

Я понимаю - пятница, но я обещала дать расчет как можно решить задачку с собеса другим способом. Вдруг в выходные захочется потренироваться? 😜
Мы брали топ 5% пользователей по порядковому номеру (row_number).

Этот способ особенно полезен, когда важно выделить пользователей, которые попадают в верхнюю часть распределения по значению, а не просто занимают первые 5% позиций в сортировке.

📌 Что такое квантиль?
Квантиль — это значение, “разрезающее” распределение данных на доли.
95-й квантиль (0.95) — это число, ниже которого лежит 95% всех значений.
Соответственно, всё, что равно или выше этого порога, — это верхние 5% распределения.
👉 Это и есть математическое определение топ 5% по значению, а не по рангу.

📘 Пример на наших цифрах. Методика расчёта квантиля, чтобы понимать саму теорию
У нас есть количество заказов по пользователям cnt, всего 20 значений.
1️⃣Сортируем 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 3, 4(тут лень вписывать имена), 6(Алиса), 8(Саша), 10(Ева)
95-й квантиль = 10
Значит, в топ-5% попадут пользователи с количеством заказов ≥ 9.

2️⃣ Находим позицию квантиля
Используем формулу: k=p×n, где p — нужный квантиль (для 95% это 0.95), n — размер массива.
𝑘=0.95×20=19

3️⃣ Берём k-ый, то есть 19-й элемент = 8. 📌 Значит, 95-й квантиль = 8
Это значит - 95% пользователей сделали ≤ 8 заказов.
А значит топ 5% — это те, у кого 👉 cnt > 8 Это как раз одна Ева с кол-вом заказов cnt = 10

🧩 Ну и код, не в ручную же считать, когда у нас sql есть. Используем approx_quantile

query = """
with user_orders as ( 
  select u.user_id, u.name, count(o.order_id) as cnt
  from users u
  left join orders o on u.user_id = o.user_id
  group by u.user_id, u.name
),
threshold as (
  select approx_quantile(cnt, 0.95) as p95 
  from user_orders
)
select user_id, name, cnt
from user_orders uo
cross join threshold t
where uo.cnt > t.p95
"""

result = duckdb.query(query).to_df()

🎯 Итог
Существуют разные определения квантилей (в numpy, R, SQL, Spark, Excel — свои методы).
Но в задачах на собеседования чаще всего используют именно эту базовую методику

🧾 Проверила свою кредитную историю

Я тут на днях запросила свою кредитную историю, и вместе с отчётом мне показали кредитный рейтинг. Решила поделиться, вдруг вам тоже пригодится 👇

🔍 Что за сервис?

Есть сайт credistory.ru — это официальный сервис Объединённого кредитного бюро (ОКБ). Через него можно посмотреть активные кредиты, закрытые, просрочки и кредитный рейтинг.

💸 2 раза в год можно бесплатно получить отчёт.
А под конец года самое время убедиться, что в истории нет ошибок, и проверить, не оформили ли на вас что-то “левое”. Ну и вообще — понять свои шансы на одобрение будущих кредитов (осталось дождаться снижения ставки).

Короче, мы любим метрики — и вот вам ещё одна личная метрика. Сразу видно, всё ли у тебя ок.

p.s.Ну что, меряемся? Хвастайтесь своим рейтингом. 🔈

Кто сможет стать аналитиком в 2026 году: взгляд старшего аналитика Dodo и HR-эксперта

Работодатели всё реже ищут «просто аналитика» и всё чаще человека, который понимает данные — от сбора данных до реализации и поддержки дашбордов. Знания таблиц и базового SQL больше недостаточно, если вы хотите получать приглашения на собеседования и выигрывать конкуренцию у других кандидатов.​

Старший аналитик данных Dodo Brands Илья Ковалёв на примерах из своей работы покажет, как мыслит и действует востребованный аналитик. Вместе с HR-экспертом HRtech Натальей Рожковой разберем как на старте карьеры подготовиться к растущим требованиям на рынке труда.

На вебинаре разберут:

🟠Как изменились вакансии аналитиков и почему универсальные специалисты получают преимущество на рынке.
🟠Узнаете на опыте старшего аналитика из Dodo Brands, как аналитик ведёт задачу от сырых данных до дашборда и понятного бизнес-решения.
🟠Какие навыки нужны джуну, чтобы соответствовать растущим требованиям в вакансиях и не утонуть в списке «надо знать всё».
🟠Советы от HR, как упаковать резюме и отклики, чтобы вас чаще звали на собеседования.

❗️Встречаемся 3 декабря в 19:00 по МСК

💬 Среди участников разыграем гранты на обучение аналитике данных в Simulative.

😶Зарегистрируйтесь сейчас, чтобы участвовать в розыгрыше грантов

Как я собрала мини-бэкенд за два вечера - и теперь могу считать клики по ссылкам лучше, чем рекламодатели.
Cloudflare Workers ❤️

Решила собрать себе маленький сервис, который считает количество переходов по ссылкам.
Почему? Во-первых руки зачесались что-то такое навайбкодить. Ну и потому что рекламодатели дают свою ссылку, по которой я не вижу статистику. А хотелось бы понимать: сколько людей реально переходит.

Никаких сторонних платформ, никаких сложных интеграций, все в облаке, без серверов - только GPT и https://dash.cloudflare.com/

Я залипла в Cloudflare Workers - и поняла, что это какой-то магический портал, где можно за вечер (ну ладно, за два вечера) собрать рабочий сервис, не поднимая сервера, не ковыряясь с Docker и вообще не страдая (ну, почти) 😅Ощущение, будто подарили маленький бекенд без боли 😌

Всё бесплатно, очень быстро, и разворачивается в один клик. Там есть какие-то лимиты.
Ну и конечно GPT написал на javascript код по моему запросу. Все таки не заменит он пока программистов. Я с ним больше намучилась, он менял переменные с ничего, пытался постоянно что-то "улучшить", но старое еще не работало. Жаль, что на питоне, к сожалению, вроде как нельзя там писать. Интересный, конечно, опыт. Но все равно - это прорыв, я считаю.

⭐️ Что получилось в итоге
✅ Своё админ-окно c красивым интерфейсом (я прям кайфую), где можно:
- создавать короткие ссылки
- указывать целевой URL
- смотреть количество переходов
- удалять ненужные ссылки

✅ Счётчик работает мгновенно
Каждый раз, когда человек переходит по короткой ссылке, в которой завернута целевая ссылка, переходы увеличиваются.
Допустим, я ввела в поле короткую ссылку id01 и в поле с "https://" саму ссылку на сам счетчик. Жму кнопку [Создать ссылку]. Появилась новая строка.

Все кто перейдет вот сюда: на https://fire-fb34.lera844.workers.dev/id01 увеличат счетчик. В конце адреса стоит /id01
У вас будет свой id, который придумаете.

✅ Идеальный формат для пет-проектов
Ничего не нужно держать на хостинге, платить за сервер, обновлять пакеты.
Ты просто пишешь JS-функцию — и она живёт в облаке.

✅ Можно реализовать свои творческие задумки даже если ты не фулстек разработчик.
Если у вас есть идея маленькой утилиты, мини-сервиса или просто интересный эксперимент - это идеальная площадка, чтобы попробовать.

🎁Ну и самое главное - вы тоже можете пользоваться этим счетчиком. Давайте договоримся - чужие ссылки не удалять, только свои. Поигрались, стало не нужно - удалите. А то кто знает какие там лимиты? 😜
Если кто заинтересуется, могу скинуть сам файл с работающим js кодом.

⚡️Пошаговый план: как получить оффер на аналитика в 2026 году?

Приглашаю на бесплатный вебинар, где Андрон Алексанян - эксперт в области аналитики и CEO школы аналитики Simulative — в прямом эфире разберет все важные аспекты в работе аналитика, а также расскажет как получить оффер быстрее других.

Simulative продолджают серию вебинаров про то как стать Аналитиком и теперь речь пойдет про 2026 год.

Это прям 100% классное событие для тех кто только зашел в аналитику и для тех, кто хочет в нее зайти в ближайшее время. Особенно если вы не понимаете, какие навыки действительно важны или боитесь, что без опыта вас не возьмут на работу. Кстати тут разберут и возрастной аспект: как стать аналитиком в 30/40/50 лет и т.д.

На вебинаре будет:
🟠Разберем полный роадмап: что учить, в каком порядке, до какого уровня;
🟠Структура хорошего портфолио с примерами;
🟠Что говорят реальные наниматели - какие у них сейчас требования:

— Покажем реальные примеры, как оформить резюме и портфолио, чтобы привлекать внимание;
— Обсудим какие отклики работают, а какие сразу отправляют в корзину;
— Изнанка найма: инсайдерский взгляд на процессы отбора

🟠 Практические техники для новичков: разберём, как компенсировать недостаток опыта и быстро закрывать пробелы в знаниях.

🕗 По классике для ребят - в конце будет новый бонус, который поможет бустануть вашу карьеру, так что смотрите до конца!

😶Зарегистрироваться на бесплатный вебинар

✨ Я сменила работу!!! И это тот самый случай, когда все «пазлы» сошлись. ✨

Друзья, у меня оффер, который я с радостью приняла - Азбука вкуса 🧡
Теперь я Senior Product Analyst.

Я уже неделю в новой роли - и мне правда очень в кайф.
Погружаюсь в продукт, читаю документацию, разбираю метрики, графики, смотрю базу по A/B-тестам - и ловлю себя на мысли: «Вот это да, как же интересно».

Хочется копать глубже, предлагать идеи, улучшать, влиять.
Чувствую, что это новый этап - осознанный и очень мой.

У Азбуки шикарный офис и (ожидаемо 😄) невероятно вкусные обеды.
Я работаю удалённо, но уже успела съездить к ним за техникой и документами - атмосфера 🔥

И да, если вдруг не знали:
📱 у Азбуки есть мобильное приложение, где можно заказывать продукты на дом!

И ещё одна мысль, которой хочется поделиться.

📌 Учёба реально меняет карьеру. Проверено на себе.
В разные моменты жизни:

✔️получила международный сертификат по английскому (BEC) ➡️ устроилась в иностранный холдинг
✔️изучала Data Science ➡️ сменила профессию
✔️весной прошла курс по A/B-тестированию ➡️ сменила компанию

Ничего «случайного». Только шаги, которые со временем складываются в результат.

Если вы сейчас учитесь, сомневаетесь, устали или думаете «а есть ли смысл?» -
есть. Иногда эффект приходит не сразу, но он приходит.

Спасибо, что читаете и идёте рядом ❤️
Буду рада вашим реакциям - мне правда сейчас очень радостно ✨

В последние дни ко мне в личку пришло немало вопросов в духе: "Вдохновила история! Но как конкретно начать? Есть ли смысл переходить сейчас?" Есть. Иногда эффект приходит не сразу, но он приходит.

Я всегда рекомендую сначала немного покопаться в sql и питоне, чтобы "пощупать аналитику", а потом уже выбирать курс.
У меня тут часто рекламируется Simulative, потому что мне не стыдно за качество продукта.

И если вы:

✔️Смотрите в сторону аналитики, но не решаетесь,

✔️Уже работаете с цифрами и хотите большего, то это ваш формат.

Тем более сейчас у них скидка 35%!!!! Под новый год скидки мы любим!

Короче, держите Курс-симулятор «Аналитик данных» от Simulative

Что внутри:

➖12 модулей с нормальной, системной базой: SQL, Python, BI, статистика, продуктовые метрики
➖Практика на реальных кейсах, чтобы в итоге было не «я что-то смотрел», а портфолио
➖Формат без истерики и гонки: видео, тексты, конспекты, домашки — учишься в своём темпе
➖Наставники, которые реально проверяют и помогают, а не просто висят для галочки
➖Возможность получить оффер сразу после курса

Вот тот самый момент, когда ваше «потом» должно стать «сейчас».

🔗 Скорее записывайтесь на курс со скидкой: simulative.ru/data-analyst

🎁🎄 Новогодний подарок подписчикам канала🎁

Конец года - хорошее время взять паузу, оглянуться назад и честно спросить себя:
а что вообще со мной произошло за этот год?

Для меня этот год был очень важным.
Я перешла в новую компанию, в новые задачи. Много учусь, много думаю, по-новому смотрю на аналитику и на свою роль в продукте. Чувствую, что впереди - новые свершения и более масштабные вещи, к которым я постепенно подхожу.

Меня периодически спрашивают в личке, не менторю ли я сейчас.
Когда-то я делала курс по SQL и Python (pandas).

В этом году у меня совсем не было ресурса заниматься его улучшением и развитием - фокус был на работе, росте и новых вызовах. Но одну вещь я знаю точно: база, которая там есть, до сих пор рабочая и полезная.

Поэтому я решила:
➡️➡️➡️ сделать этот курс бесплатным и доступным для подписчиков канала.

Что важно понимать:
✔️ это базовый курс
✔️ без поддержки и обновлений
✔️ можно проходить в своём темпе
✔️ он отлично подойдёт, если вы:
• начинаете путь в аналитике
• хотите закрыть пробелы
• устали от разрозненных туториалов

📎 Ссылка на мой курс для Вас: SQL&PANDAS

Пусть он станет точкой опоры для тех, кому сейчас нужна база.

Спасибо вам за этот год! 🧡
За то, что читаете, сохраняете, задаёте вопросы и иногда пишете "спасибо, было полезно".
Это правда очень мотивирует продолжать.

И да - рекламные интеграции тоже мотивируют 😎
Потому что благодаря им этот канал может жить, расти и оставаться полезным. Спасибо, что относитесь к этому с пониманием!

С наступающим Новым годом 🎄🎄🎄
Пусть в 2026 будет больше ясности, роста и данных, которым можно доверять!!! ✨