Mckinsey ds oa python 3级

timeline 21号 官网投递 28号发oa  marketing 的 ds intern
统计选了4 /modeling 选了3/python 选了3
一共37道题，下面是差不多全部遇到的题，不开摄像头，无录屏
做法可能不对谨慎参考
-baidu 1point3acres``` python
def calculate_f1_socre(predicted, actual):
    # confusion matrix
    tp = 0
    tn = 0
    fp = 0
    fn = 0
    for i in range(len(predicted)):
        if predicted == actual[i]:
            if predicted[i] == 1:
                tp += 1
            else:
                tn += 1
        else:
            if predicted[i] == 1:
                fp += 1
            else:
                fn += 1
    # precision
    precision = tp / (tp + fp)
    # recall
    recall = tp / (tp + fn)
    # f1 score
    f1_score = 2 * precision * recall / (precision + recall)
    return f1_score


def logic_check(x,y,operator):
    if operator == "AND":
        return x and y
    elif operator == "OR":
        return x or y

您好！
本帖隐藏的内容需要积分高于 200 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 200 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

def downsample_dataframe(df):
    """downsampling to a dataframe to balance the binary classes in the cloumn target"""
    df_majority = df[df.target==0]
    df_minority = df[df.target==1]
    df_majority_downsampled = resample(df_majority, replace=False, n_samples=len(df_minority), random_state=123)
    df_downsampled = pd.concat([df_majority_downsampled, df_minority])
    return df_downsampled

def remove_over_30(df,column):
    df[column] = df[column].apply(lambda x: x if x<30 else np.nan).dropna()

    return df
```[/i][/i][/i]

看上去好像是考察实现基本op诶