1. Цель - Вам необходимо обработать сырые данные поступившие от парсера.
2. Описание
В файле hotels_parsing_result.xlsx две вкладки platform1, platform2. Это данные о гостиницах от двух разных платформ в одном регионе. Ссылка на файл
2.1 Поля id - Идентификатор в БД create_time - Дата создания title - Название hotel_type_original - Тип гостиницы city - Город address - Адрес rating - Рейтинг rating_5 - Рейтинг по 5-ти бальной шкале review_count - Количество отзывов star_rating - Звездность rooms_count Количество номеров contact_social - Контакты соц. сетей description - Описание email - строкой, несколько значений через запятую phone - телефон строкой, несколько значений через запятую website - сайты строкой, несколько значений через запятую uid - Уникальный идентификатор гостиницы на платформе, не может быть разным у одной гостиницы, и не может повторяться у разных гостиниц, но в рамках одной платформы parsing_time - Время сбора lat - Широта lon - Долгота
2.2 Состав данных
Записи могут повторятся, и самые актуальные данные идут в конце
Если какое-то поле по конкретной гостинице пустое в последней записи, но встречалось ранее, то необходимо его взять из более ранних записей
Поля телефона, email, сайтов могу содержать лишние символы, несколько записей и прочее
Формат записи названия, адреса, типа гостиницы отличается в разных платформах
3. Требования
1. Результат должен быть представлен Jupyter notebook
2. Результат должен воспроизводится автоматически и нуля при повторном запуске, ручные правки должны быть учтены в коде
3. Комментарии приветствуются
Задание #1
1. Собрать от каждой платформы финальный список гостиниц, в котором по каждой гостинице внутри платформы будет только одна запись с самыми актуальными и полными данными
2. Почистить данные
3. Поля телефона, email, сайтов распарсить и сохранить как списки в одинаковом формате ( address@domen.org, 79234553322, domen.ru)
4. Вывести топ 10 по каждой платформе, по параметрам:
a. больше всего телефонов
b. больше всего отзывов
5. Вывести квадрат координат размером 1км на 1км, где больше всего гостиниц
6. Задача со *, объединить данные от двух платформ, по критерию который вы придумаете
a. Вывести все гостиницы, которые есть в платформе 1 и нет в платформе 2
b. Вывести топ 10 гостиниц которые есть в обоих платформах, по суммарному количеству отзывов