Alexander Tatchin sancau

у нас есть пользователи от которых мы получаем некоторые данные
мы получаем данные каждый день, таким образом каждая точка данных соответствует некоторой дате
в рамках этой задачи будем считать что все данные имеют тип float
в результате сбора данных мы имеем массивы вида [{"date": ..., "value": ...}, {"date": ..., "value": ...}, ...]
видов (например шаги, средняя частота пульса и тп) данных может быть много, в рамках этой задачи будем считать, что они однозначно различаются по строковому названию (см. примеры запросов к АПИ ниже)
как данные попадают к нам и как они технически храняться - за рамками данной задачи

Тестовое задание (разработчик Python)

Есть файл Excel содержащий следующий набор данных:

Требуется реализовать скрипт который:

	#!/bin/bash

	# /home/ec2-user/anaconda3/envs/JupyterSystemEnv/bin/pip install -U keytar jupyter-server-proxy

	echo == INSTALLING CODE-SERVER ==
	curl -fsSL https://code-server.dev/install.sh \| sh -s -- --version=4.13.0

	#########################################
	### INTEGRATE CODE-SERVER WITH JUPYTER
	#########################################

	import time
	from functools import lru_cache


	def lru_with_ttl(*, ttl_seconds, maxsize=128):
	"""
	A decorator to apply LRU in-memory cache to a function with defined maximum(!) TTL in seconds.
	Be design an actual TTL may be shorter then the passed value (in rare randomized cases). But it can't be higher.

	:param ttl_seconds: TTL for a cache record in seconds

	%matplotlib inline

	from IPython.core.display import display, HTML


	display(HTML("<style>.container { width:100% !important; }</style>"))

	HTML("""
	<script>
	code_show=true;

	pipenv shell
	pipenv install ipykernel
	python -m ipykernel install --user --name=VENV_NAME
	jupyter lab