Data Analytics
Dive into the world of Data Analytics – uncover insights, explore trends, and master data-driven decision making. Admin: @HusseinSheikho || @Hussein_Sheikho
Показати більше📈 Аналітичний огляд Telegram-каналу Data Analytics
Канал Data Analytics (@dataanalyticsx) у мовному сегменті Англійська є активним учасником. На даний момент спільнота об'єднує 29 841 підписників, посідаючи 4 342 місце в категорії Технології та додатки та 21 560 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 29 841 підписників.
За останніми даними від 28 серпня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 261, а за останні 24 години на 5, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 4.98%. Протягом перших 24 годин після публікації контент зазвичай збирає 1.63% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 1 486 переглядів. Протягом першої доби публікація в середньому набирає 487 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 2.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як sellerflash, buybox, buyer, chaos, effortless.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Dive into the world of Data Analytics – uncover insights, explore trends, and master data-driven decision making.
Admin: @HusseinSheikho || @Hussein_Sheikho”
Завдяки високій частоті оновлень (останні дані отримано 29 серпня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
import pandas as pd
idx = pd.Index(['a', 'b', 'c'])
print(idx.is_unique)
A. False
B. True
C. Raises AttributeError
D. None
Correct answer: B.
2. What does this code return?
import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3]})
print(df.set_index('a').index.name)
A. None
B. 'index'
C. 'a'
D. Raises KeyError
Correct answer: C.
3. What is the result?
import pandas as pd
s = pd.Series([1, 2, 3])
print(s.add(1).tolist())
A. [1, 2, 3]
B. [2, 3, 4]
C. [1, 3, 5]
D. Error
Correct answer: B.
4. What does this code output?
import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3]})
print(df.nlargest(2, 'a')['a'].tolist())
A. [1, 2]
B. [2, 3]
C. [3, 2]
D. [3, 1]
Correct answer: C.
5. What is printed?
import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3]})
print(df.nsmallest(1, 'a').iloc[0, 0])
A. 1
B. 2
C. 3
D. Error
Correct answer: A.
6. What does this code return?
import pandas as pd
s = pd.Series([1, 2, 3])
print(s.diff().isna().sum())
A. 0
B. 1
C. 2
D. 3
Correct answer: B.
7. What is the output?
import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3]})
print(df.cumsum()['a'].iloc[-1])
A. 3
B. 5
C. 6
D. Error
Correct answer: C.
8. What does this code produce?
import pandas as pd
df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
print(df.pipe(lambda x: x.shape))
A. (1, 4)
B. (2, 2)
C. (4, 1)
D. Error
Correct answer: B.
9. What is returned?
import pandas as pd
s = pd.Series([10, 20, 30])
print(s.take([2, 0]).tolist())
A. [10, 20]
B. [30, 10]
C. [20, 30]
D. Error
Correct answer: B.
10. What does this output?
import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3]})
print(df.any().iloc[0])
A. False
B. True
C. None
D. Error
Correct answer: B.
11. What is the result?
import pandas as pd
df = pd.DataFrame({'a': [0, 0, 1]})
print(df.all().iloc[0])
A. True
B. False
C. None
D. Error
Correct answer: B.
12. What does this code return?
import pandas as pd
s = pd.Series(['a', 'b', 'c'])
print(s.repeat(2).shape)
A. (3,)
B. (6,)
C. (2, 3)
D. Error
Correct answer: B.
13. What is printed?
import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3]})
print(df.melt().shape)
A. (1, 3)
B. (3, 2)
C. (3, 1)
D. (1, 2)
Correct answer: B.
14. What does this code output?
import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3]})
print(df.stack().shape)
A. (3,)
B. (3, 1)
C. (1, 3)
D. Error
Correct answer: A.
15. What is the result?
import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3]})
print(df.unstack().isna().sum().sum())
A. 0
B. 1
C. 2
D. Error
Correct answer: A.
16. What does this code return?
import pandas as pd
s = pd.Series([1, 2, 3])
print(s.to_numpy().ndim)
A. 0
B. 1
C. 2
D. Error
Correct answer: B.
17. What is printed?
import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3]})
print(df.axes[0].equals(df.index))
A. True
B. False
C. None
D. Error
Correct answer: A.
18. What does this code output?
import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3]})
print(df.copy(deep=False) is df)
A. True
B. False
C. None
D. Error
Correct answer: B.
19. What is the result?
import pandas as pd
s = pd.Series([1, 2, 3])
print(s.equals(pd.Series([1, 2, 3])))
A. True
B. False
C. None
D. Error
Correct answer: A.
20. What does this code output?
import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3]})
print(df.info() is None)
A. True
B. False
C. None
D. Error
Correct answer: A.