И у вас же есть некие бенчмарки, по ним разве формула непонятна?

Привет! Сорри, за беспокойство. Можно вам сюда забросить вакансию от яндекс.практикума? не нашла инфу

огромное спасибо за последний пост, кстати. Если вдруг есть ещё что-то по связке матплотлиб и сиборн, то будет мне очень полезно.

Привет! Да, конечно

спасибо)))

#преподавание #частичная #вакансия #python #datascience #удаленно  
Яндекс.Практикум в поиске наставников на дата-факультет!

Компания: Яндекс.Практикум
Сайт: https://praktikum.yandex.ru
График: частичная удаленная работа, 5-6 часов в неделю
З/п: 25 000 в месяц за ведение 1 группы студентов

▪️Что делает наставник?
Наставник курирует группу/группы из 10 студентов на протяжении всего процесса обучения (примерно 6 месяцев). Он проверяет работы своих студентов, отвечает на их вопросы, проводит групповые консультации.

▪️Вам подойдет роль, если у вас есть:
Для курса по аналитике данных => опыт работы на Python от 2 лет (и более), владение SQL и программными библиотеками Pandas, NumPy, Matplotlib, Seaborn, желательно — Plotly, вы владеете статистикой в применении к a/b-тестам, и у вас есть опыт их проведения
Для курса по машинному обучению=> опыт работы data science на Python от 2 лет, опыт работы с машинным обучением от 1 года, владение основами математического анализа, линейной алгебры, теории вероятностей и статистикой и библиотеками Pandas, NumPy, Matplotlib, Sklearn

А также желаение прокачать скиллы наставничества (например, для построения карьеры тимлидера или для развития в преподавании)

▪️Каждый наставник проходит бесплатно обучение в школе наставничества Яндекс.Пратикума

Контакты: @anastasiafat anastasiafaty@yandex-team.ru

какой есть способ нарезать датафрейм на несколько по заданному соотношению числа строк

то есть на входе датафрейм и например fracs=[0.5, 0.25, 0.25], на выходе хочу три датафрейма: в первом первые 50% строк, во втором и третьем по 25%

Iloc чем плох?

В цикле получить из .shape кол-во строк, перемножить на параметры из списка и iloc нарезать, как вариант

Что-то вот такое можно сделать

Но из-за ceil беда получается

Два последних куска не равняются по размеру

Вот я что-то не придумал внятного алгоритма как сделать так, чтобы нормально выбирать определенный процент из данных, тут нужно какое-то условие: np.ceil или np.floor в зависимости от значения len_of_df * x

Во, как вариант - делать sorted(fracs), тогда самый большой кусок будет обрезаться, а с остальными все ок будет

крутяк! вроде рабочие варианты, но думал что проще дело

Да я тоже думал, что должно быть что-то готовое. Ожидал, что в numpy есть какой-нибудь метод, который позволяет возвратить n процентов из array, но такого не оказалось, а это ключевая проблема в этой задаче

мб из sklearn.model_selection.train_test_split можно состряпать?