Как подсчитать количество сотрудников по категориям зарплаты с помощью Pandas DataFrame

Что проверяют

Знаете ли вы идиоматичные средства pandas для биннинга вместо apply с цепочкой if. Смотрят на границы интервалов и на то, попадут ли в ответ пустые категории. Следом просят разбить по квантилям или посчитать то же в разрезе отдела.

Как отвечать

Правильный инструмент это pd.cut: он раскладывает числа по интервалам и возвращает категориальный тип с заданным порядком меток. Например, pd.cut(df["salary"], bins=[0, 40_000, 70_000, float("inf")], labels=["low", "medium", "high"], right=False), а затем value_counts(sort=False) по новой колонке.

Разберите детали:

• границы: по умолчанию right=True, интервалы вида (40000, 70000], и зарплата ровно 40 000 уйдёт в «low». С right=False включается левый край. Значения за пределами bins становятся NaN, проверьте их через isna().sum();
• порядок и пустые группы: у категориальной колонки value_counts(sort=False) выдаёт категории в порядке меток, включая нулевые. У groupby по такой колонке передавайте observed явно, умолчание менялось между версиями pandas;
• квантили: pd.qcut(df["salary"], q=3) делит на равные по численности группы, это другая постановка, чем фиксированные пороги;
• разрезы: pd.crosstab(df["dept"], df["salary_cat"]) или groupby(["dept", "salary_cat"], observed=False).size().unstack(fill_value=0);
• доли: value_counts(normalize=True) сразу даёт доли вместо штук.

np.select пригодится, когда условия не сводятся к порогам одной колонки, например учитывают грейд и город.

Где спотыкаются

Пишут функцию с if и apply. Работает, но построчно в Python: на миллионах строк это заметно медленнее векторизованного pd.cut, а границы легко задать с дырой.

Не проверяют граничные значения. Ровно 70 000 при разных right попадает в разные категории, и интервьюер спросит именно про эту строку.

Считают value_counts() без sort=False и получают сортировку по частоте, а не по смыслу. А при подсчёте по строковой колонке пустая категория просто исчезает из результата.