Function

import pandas as pd
support = pd.read_csv('/datasets/support.csv')
support = support.rename(
    columns={
        'Тип обращения': 'type_message',
        'Время обращения': 'timestamp'
    }
)
support.info()
###############################
import pandas as pd

clients = pd.read_csv('stats_by_age.csv')
####
def age_group(age):
    """
    Возвращает возрастную группу по значению возраста age, используя правила:
    - 'дети', если age <= 18 лет;
    - 'взрослые', если age от 19 до 64;
    - 'пенсионеры' — от 65 и старше.
    """

    if age <= 18:
        return 'дети'
    if age <= 64:
        return 'взрослые'
    return 'пенсионеры'

print(age_group(...))
#####
clients['age_group'] = clients['age'].apply(age_group)
print(clients.head(10))
#####
def make_full_name(row):
    """
    Возвращает полное имя (сочетание имени и фамилии)
    """
    full_name = row['first_name'] + ' ' + row['last_name']
    return full_name
clients['full_name'] = clients.apply(make_full_name, axis=1)
print(clients.head(10))
####
import pandas as pd

support_log = pd.read_csv('/datasets/support_log.csv')
support_log_grouped = support_log.groupby('type_id').count()
def alert_group(messages):
    if messages <= 300:
        return 'средний'
    if messages > 500:
        return 'критичный'
    return 'высокий'

#print(alert_group(10))
#print(alert_group(450))
#print(alert_group(1000))

support_log_grouped['alert_group'] = support_log_grouped['user_id'].apply(alert_group)
#print(support_log_grouped.head(10))
print(support_log_grouped.groupby('alert_group').sum())
###########################
import pandas as pd
support_log_grouped = pd.read_csv('/datasets/support_log_grouped.csv')

def alert_group_importance(row):
    if row['alert_group']=='средний':
        if row['importance']==1:
            return 'обратить внимание'
    if row['alert_group']=='высокий':
        if row['importance']==1:
            return 'высокий риск'
    if row['alert_group']=='критичный':
        if row['importance']==1:
            return 'блокер'
    return'в порядке очереди'# реализуйте логику функции

row_values = ['высокий', 1]
row_columns = ['alert_group', 'importance']
row = pd.Series(data=row_values, index=row_columns)
#print(alert_group_importance(row))
support_log_grouped['importance_status'] = support_log_grouped.apply(alert_group_importance, axis=1)
#print(support_log_grouped)
print(support_log_grouped['importance_status'].value_counts())