Массив данных basket содержит по одной строке для каждого покупателя
и по столбцу для каждого товара. Значение 1 в ячейке (i,j) означает, что покупатель i купил товар j.
Дан код:

import numpy as np
basket = np.array([[1, 1, 1, 1], [1, 1, 1, 0]])
co_purchases = np.sum(np.all(basket[:,2:], axis = 1)) / basket.shape[0]
print(co_purchases)

Дан код:

import numpy as np
alice = [100, 200] #зарплата Алисы за первый и второй год
bob = [300, 400]   #зарплата Боба за первый и второй год
salaries = np.array([alice, bob])
taxation = np.array([[0.2, 0.3], [0.1, 0.5]]) #ставки налогов
max_income = np.max(salaries - salaries * taxation) 
print(max_income)

Что выведет код?

import numpy as np
a = np.array([[0, 1, 2, 3], 
              [4, 5, 6, 7],
              [8, 9, 10, 11],
              [12, 13, 14, 15]])
print(a[:, 2])

Что выведет код?

import numpy as np
a = np.array([[0, 1, 2, 3],
              [4, 5, 6, 7],
              [8, 9, 10, 11],
              [12, 13, 14, 15]])
print(a[1, :][-1] + a[:, 1][-1])

Что выведет код?

import numpy as np
a = np.array([[0, 1, 2, 3],
              [4, 5, 6, 7],
              [8, 9, 10, 11],
              [12, 13, 14, 15]])
print(a[-1, :-1][::-2][-2])

Задача регрессии. Площади квартир соответствует некая их стоимость. Вычислите предположительную стоимость квартиры площадью 30 кв м.

from sklearn.neighbors import KNeighborsRegressor
import numpy as np
X = np.array([[35, 30000], [45, 45000], [40, 50000],
 [35, 35000], [25, 32500], [40, 40000]])
KNN = KNeighborsRegressor(n_neighbors=3).fit(X[:,0].reshape(-1,1), X[:,1])
res = KNN.predict([[30]])
print(int(res[0]))

Задача на нахождение двух товаров наиболее часто покупаемых вместе и сколько раз были сделаны такие покупки.

import numpy as np
# Данные: каждая строка соответствует корзине для покупок конкретного покупателя
# строка = [товар 1, товар 2, товар 3]
# значение 1 означает, что товар был куплен
basket = np.array([[1, 1, 0],
                   [0, 0, 1],
                   [1, 0, 0],
                   [1, 1, 1],
                   [1, 1, 0]])


copurchases = [(i, j, np.sum(basket[:, i] + basket[:, j] == 2)) for i in range(3) for j in range(i+1, 3)]
result = max(copurchases, key=lambda x:x[2])
# Первые два значения кортежа result - индексы товаров-столбцов. Третье - число раз, когда они покупались вместе.
print(result)

Что выведет код?

x = None
arr = [1, 2, 3]
arr = iter(arr)
try:
    while True:
        x = next(arr)
except StopIteration:
    pass
print(x)

Что выведет код?

x = None
arr = [1, 2, 3]
try:
    while True:
        x = next(iter(arr))
except StopIteration:
    pass
print(x)

Что выведет код?

class X:
    def __init__(self, arr):
        self._arr = arr
    def __iter__(self):
        return reversed(self._arr)
x = X([1, 2, 3])
for i in x:
    print(i, end=" ")

Испытайте себя в роли Data Scientist на бесплатном онлайн-интенсиве 6–8 октября. За 3 дня вы освоите основные рабочие инструменты и узнаете, с чем сталкиваются в работе специалисты по данным. Решите несколько реальных задач и оцените, интересна ли вам эта профессия.

Заполните форму и получите полезный материал по Data Science на почту: 🔜 https://clc.to/amJTcg.
В нём вы найдёте список навыков, необходимых для прохождения собеседования, и советы, где искать первые заказы для портфолио.

На интенсиве вы:
✔️ построите модели для прогнозирования данных;
✔️ узнаете, как использовать язык Python для data-аналитики;
✔️ научитесь применять Data Science в бизнесе;
✔️ изучите техники исследования данных и разберёте реальные задачи;
✔️ создадите проект, который высоко оценят потенциальные работодатели.

🎁 Всем участникам, дошедшим до финала интенсива, подарим электронную книгу Пола Доэрти и Джеймса Уилсона «Человек + машина» издательства МИФ. Подключайтесь к прямым эфирам, задавайте вопросы и получите сертификат на 10 000 рублей на любой курс Skillbox.

Скорее записывайтесь!