Data Engineer
¿Dónde se pueden ver los registros de tareas en Airflow?
CREATE TABLE orders ( driver_id varchar, city varchar, order_id varchar ); -- Obtener los 10 conductores principales por número de pedidos en cada ciudad
Se dan dos tablas t1 y t2. La tarea es listar todos los tipos de joins que conoces y el resultado de la consulta select * from t1 <join> t2 on t1.t = t2.t para cada uno de ellos. |t1.t| ------ 1 2 4 null ------ |t2.t| ------ 1 3 null null
Купер¿Dónde funciona mejor la compresión de datos: en almacenamiento columnar o en almacenamiento por filas, y por qué?
SELECT * FROM table1 AS t1 LEFT JOIN table2 AS t2 ON t1.date_start > t2.date_start
SELECCIONA * DE tabla1 COMO t1 IZQUIERDA UNIR tabla2 COMO t2 ON t1.date_start > t2.date_start d = { True: 42, 1: 2, 1.0: 100500 } print(d)
¿Qué son los índices en las bases de datos, para qué sirven y cuál es su estructura interna?
СБЕР¿En qué se diferencia un ciclo sobre una cadena de texto de un ciclo sobre una tupla en Python? ¿Qué tipos son los básicos y cómo afecta esto al rendimiento?
КуперAnálisis de la asistencia a clubes de fitness Trabajas como analista en una cadena de clubes de fitness. Tienes información sobre las visitas de los usuarios y las membresías que compran. Es necesario analizar la efectividad del uso de las membresías. Calcula para cada tipo de membresía: • el número total de usuarios que usaron ese tipo de membresía. Considera solo usuarios únicos user_id; • el número total de visitas con esa membresía. Considera todas las visitas de los usuarios con esa membresía; • la proporción de usuarios de esa membresía en porcentaje respecto al total de usuarios (redondeado a un decimal). Para calcular la proporción, usa la relación entre el número de usuarios con esa membresía y el total de usuarios únicos. Cada usuario puede tener solo una membresía. Ordena el resultado por tipo de membresía en orden alfabético. Formato de entrada Tabla memberships: • membership_id (int) — identificador único de la membresía • user_id (int) — identificador único del usuario • membership_type (text) — tipo de membresía Tabla visits: • visit_id (int) — identificador único de la visita • user_id (int) — identificador del usuario • visit_date (timestamp) — fecha y hora de la visita Los datos no contienen valores faltantes o incorrectos. Formato de salida La consulta debe devolver una tabla con los siguientes campos en este orden: • membership_type (text) — tipo de membresía • users_count (int) — número de usuarios únicos con ese tipo de membresía • total_visits (int) — número total de visitas de usuarios con esa membresía • user_share (numeric) — proporción de usuarios en porcentaje con esa membresía respecto al total (redondeado a 1 decimal) El resultado se ordena por tipo de membresía en orden alfabético.
Hilos, multiprocesamiento, asyncio: ¿cuál es la diferencia y cuándo es mejor usar qué?
Cuéntenos sobre su experiencia trabajando con Greenplum, DBT y Data Vault. ¿Por qué cambió del modelo de copo de nieve a Data Vault?
Купер¿Cómo abordar la situación cuando el negocio solicita un informe con visualización de datos sobre una nueva promoción?
Cuéntame, ¿qué sabes sobre el almacenamiento de datos en columnas y en filas? ¿Cuándo y cuál deberías elegir y por qué?
Cuéntame sobre tu experiencia laboral: tareas, pila de tecnologías
¿Cuál es la diferencia entre RANK() y DENSE_RANK()?
¿Dónde aparece el paralelismo en Airflow?
¿Por qué Pandas es mejor que las listas y diccionarios normales en Python?
¿Cómo maneja Pandas los datos faltantes?
¿Cómo trabajaron con Impala?
Aston¿Cuánta memoria adicional requiere una solución con diccionario, sin contar los datos devueltos?