没有项目描述
PythonHiringTest的Python项目详细描述
##术语
1.**subject**：分组依据的字段；类似于sql的“group by”
子句。
2.**split**：用于限制数据集的过滤器；类似于SQL的“where”
子句。
**vs lhh**：“vs左手击球手”
**vs rhh**：“vs右手击球手”
**vs lhp**：“vs左手投手”
**vs rhp**：“vs右手投手”
3.**stat**：根据聚合数据计算的度量。有四个基本的统计数据需要计算，任何棒球迷都应该熟悉这些数据。
*avg
*obp
*slg
*ops
创建一个gitlab帐户（如果您还没有）。将此存储库克隆到您的计算机。
3.使用“pip install-r requirements.txt”安装它
3。修改run.py以在通过“python run.py”调用时执行以下步骤：
1。读入`./data/raw/pitchdata.csv`
2。从
`./data/reference/combinations.txt`对每个组合执行分组/聚合，以创建表/数据帧。
3。将stat四舍五入到小数点后三位。
4。仅包括pa>；=25.
5的受试者。将每个单独的表/数据帧组合成一个单独的表/数据帧，其
列标题如下：
*subjectd（例如108、119等）
*stat（例如stat“avg”、“obp”等的名称）
*split（例如“vs lhp”、“vs rhh”等）
*subject（例如“hitterid”、“pitcherteind”等）*值（例如stat的值0.350、1.03、0.5等）
6。对前四列的表/数据框进行排序（每列按升序排列）。
7。将csv保存到`./data/processed/output.csv`
4。通过打开命令行运行测试套件，在repo中插入cd，并运行
以下命令：``pytest-v```
5。上传到您自己的gitlab/github/bitbucket帐户下的新存储库。
6。将指向存储库的链接发送到andrew pautz（pautz@inside edge.com）。
等效的sql类似于：
``sql
select
hitterid as subject，
'avg'as stat，
'vs rhp'as split，
'hitterid'as subject，
round（cast（sum（h）as float）/sum（ab），3）as value
from./data/raw/pitchdata.csv
where pitchrside='r'
group by hitterid
having sum（pa）>；=50
```
**准确度**：输出数据必须100%准确。
2.**可读性**：越容易理解越好。
3.**性能**：理想情况下只需1-2秒即可完成。
4.**开发时间**：尽量在一天内提交。
5.**可安装**：通过“pip install-r requirements.txt”使其可安装
我们大量使用熊猫，但如果您更喜欢使用Numpy或其他完全可以随意使用的功能。
*您不需要将修改限制为run.py。您可以添加/编辑回购协议中的任何
其他文件，但以下内容除外：
*。/tests
*。/data/raw
*。/data/reference
*代码通常应符合PEP8。
*不需要文档，但也不会受到反对。
*如果您需要超过80个字符…没问题。
1.**subject**：分组依据的字段；类似于sql的“group by”
子句。
2.**split**：用于限制数据集的过滤器；类似于SQL的“where”
子句。
**vs lhh**：“vs左手击球手”
**vs rhh**：“vs右手击球手”
**vs lhp**：“vs左手投手”
**vs rhp**：“vs右手投手”
3.**stat**：根据聚合数据计算的度量。有四个基本的统计数据需要计算，任何棒球迷都应该熟悉这些数据。
*avg
*obp
*slg
*ops
创建一个gitlab帐户（如果您还没有）。将此存储库克隆到您的计算机。
3.使用“pip install-r requirements.txt”安装它
3。修改run.py以在通过“python run.py”调用时执行以下步骤：
1。读入`./data/raw/pitchdata.csv`
2。从
`./data/reference/combinations.txt`对每个组合执行分组/聚合，以创建表/数据帧。
3。将stat四舍五入到小数点后三位。
4。仅包括pa>；=25.
5的受试者。将每个单独的表/数据帧组合成一个单独的表/数据帧，其
列标题如下：
*subjectd（例如108、119等）
*stat（例如stat“avg”、“obp”等的名称）
*split（例如“vs lhp”、“vs rhh”等）
*subject（例如“hitterid”、“pitcherteind”等）*值（例如stat的值0.350、1.03、0.5等）
6。对前四列的表/数据框进行排序（每列按升序排列）。
7。将csv保存到`./data/processed/output.csv`
4。通过打开命令行运行测试套件，在repo中插入cd，并运行
以下命令：``pytest-v```
5。上传到您自己的gitlab/github/bitbucket帐户下的新存储库。
6。将指向存储库的链接发送到andrew pautz（pautz@inside edge.com）。
等效的sql类似于：
``sql
select
hitterid as subject，
'avg'as stat，
'vs rhp'as split，
'hitterid'as subject，
round（cast（sum（h）as float）/sum（ab），3）as value
from./data/raw/pitchdata.csv
where pitchrside='r'
group by hitterid
having sum（pa）>；=50
```
**准确度**：输出数据必须100%准确。
2.**可读性**：越容易理解越好。
3.**性能**：理想情况下只需1-2秒即可完成。
4.**开发时间**：尽量在一天内提交。
5.**可安装**：通过“pip install-r requirements.txt”使其可安装
我们大量使用熊猫，但如果您更喜欢使用Numpy或其他完全可以随意使用的功能。
*您不需要将修改限制为run.py。您可以添加/编辑回购协议中的任何
其他文件，但以下内容除外：
*。/tests
*。/data/raw
*。/data/reference
*代码通常应符合PEP8。
*不需要文档，但也不会受到反对。
*如果您需要超过80个字符…没问题。
欢迎加入QQ群-->： 979659372
