{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Итоговый проект: выручка\n",
    "\n",
    "Продажи «Кофейной лавки» за 2025 год — загрузить числа и текст из одного CSV, посчитать выручку, средний чек, выручку по категориям, товарам и городам одной операцией np.bincount с весами и разобрать «грязную» выгрузку службы доставки с пропусками.\n",
    "\n",
    "Курс NumPy · урок `np-final-revenue` · [урок на сайте](https://ds-edu-trainer.vercel.app/courses/numpy/final-revenue).\n",
    "\n",
    "Выполняйте ячейки по порядку (Shift+Enter), начиная с первой — она готовит урок. После каждого упражнения идёт\n",
    "ячейка проверки: она печатает ✓ / ✗ и итог."
   ],
   "id": "intro"
  },
  {
   "cell_type": "code",
   "metadata": {
    "cellView": "form",
    "jupyter": {
     "source_hidden": true
    }
   },
   "source": [
    "# @title Подготовка урока — выполните эту ячейку первой\n",
    "# Проверяет версии пакетов, записывает файлы данных в папку data/ и определяет _check — проверку упражнений.\n",
    "import base64, os, zlib\n",
    "\n",
    "for _name, _min in {\"numpy\":\"2.0\"}.items():\n",
    "    try:\n",
    "        _have = __import__(_name).__version__\n",
    "    except ImportError:\n",
    "        print(f\"Нет пакета {_name}: выполните %pip install {_name} и перезапустите ядро\")\n",
    "        continue\n",
    "    if tuple(int(x) for x in _have.split(\".\")[:2]) < tuple(int(x) for x in _min.split(\".\")):\n",
    "        print(f\"Урок написан для {_name} {_min} и новее, у вас {_have}: выполните %pip install -U {_name} и перезапустите ядро\")\n",
    "\n",
    "_DATA = {\n",
    "    \"shop_orders.csv\": \"\"\"\n",
    "eNrNvcuudclxHjjvp6gHOAQy8p5jPoghUIRbQLfkZlMDzapIAzJgArIGDQOCG4YvgHtioESpJKrIKr3CPm9krFzn3ztiX1bGbR31\n",
    "jKw6Fd/Oy4rMjIjviz/7xR///Bf/6k/++O2P/+iXP3/72Z//37/8s/9z/wc/+5Nf/sXbz/73P/rTP/35//H2sz/65c//9Z/94i/e\n",
    "/s0v/uyP//xnv3z7N7/4k5/9/O3/+vM/+tNf/skv/+J/gxACvMUQy08C/CTA20/DKG+X/3T58f2by/eX316+fbv84fLt+9eX7y/f\n",
    "vf/q8s+X31++u/zT+zdvl/9w+f79m8t379+8f/P+6+1P3v/92+VvLj++/9vLd5c/XH68/P7y/eXbr96/fv/1+19efrh8+/5XbymG\n",
    "8BYtqP/j8u3ln94u//X968u3l9++/9Xlh8uPl3/66v2by99efnz/+qsSvrr83Vus4Q0mTKQwZdzB/PP715ffXX5/+fHyD5fvLj9c\n",
    "fnf57u3yXy6/v3x7+fvt795/dfnd2+X/u/x4+X4O6dvL3391+bsN6v03l+8vv7v80xt0E9jHiP7H+1+/f3354f3fb6P5y+2ffQVh\n",
    "DiaVL/YTsR9D2ib828s/Xr69/PD+m7f3b7b/7P1X12V4u/zP9397+d3lx8s/X373/ldfxX122hAb/PiR/+3y+/dfX3748stK/rKa\n",
    "+WYovv005KKa5v94+W77ve9fv0X4YrlQy+nuJ560OytBhRS2X/vt5YfL9++/+snlP0+0796/vvzt+6/fv7783eNMMTZonUiNIrW6\n",
    "QHo+ldcF/5ttaO+/vvzh8rd4yesIb2ni9Rteevvp9h1e/p9tKj5gfnf5YQH1sGr/af5Hf3/59vL79998dfntV+//Dn8ul++2if1A\n",
    "HxS9FdVoP+b4P16+u/z+/a+ffzTjY4K3jYQhe+A5mv88B/jrbVzbav56/s23X13+cPnu8vcfGybm8DEwAIoyIm+bLj6B3XaktmN6\n",
    "u/y/lx8vv52j+N1c6K+38TD2xvY/vrr87eW7yz9+tS3R/By25fv26hzih3Nwg/2f79/Mv5gf4+XHn7x/s03i+zfvv/kKth/xd2+Q\n",
    "y8eH5wb61/P7+8f5F9t38AUpfvkQAPm+/PZTgPESibt2vA9hH2cm6JvDYThM9lcOhQ6uMTc9B2D//chBluN1Oj7IV9/wvhUbRUud\n",
    "7Y5ZG2IH6RSkJzpnktO1yQyyrgB52kQOtL79NMYmujY9Ob/nfomBmA3j/pR1cixRD8aao2S2z71YRqAgtfMWgnPn0dpe78u5h2K8\n",
    "mx9QXda2r+4vt3///ptt6X+8/Pb9m49p++4NrouhApOeHfuSJArVMuN6fIZ51lbdVzrffc4HtzGNT9PZX1z2YyFGIebVJY77LfCe\n",
    "WRGdPW0blPfhFhsBePz+LJdSMCNwXKDKPmtf7TOEjrb+9lMY4dXxL9y1auvM2d8d4CD2t0P1xcHMfgSAzK7y5EyBTkzNfgBJBsCP\n",
    "WiQQ2lyt4T4Vkc718kpovIcmV1DOsy+h82ZsYJJvbPVASPnOeFK+VwVvHjfM5TFhGiL55v9mCxBd/mF+9Wmbwz9cfv9WrpuwEAgo\n",
    "ZbG1GbfL/bdX+ttzsp3bYDbK+dAbnY3alFfi5c3SBCe86KfbYQRhe8VVEQzPmdkwOGszCEJM7ZwH3gTL4Q4ss5/r5OObw5u/5fuv\n",
    "5i/97ZyGH7eA7TbYN7iOzwAp3A8Z6Frdb7ubYYuv5KMsPvociSGA7rp9TRjKW1BOFO719dCacMlZuKtcQgu+qIxXaC50QssQ3DRe\n",
    "xhrsppfP23w70WDLX8Xq/BLUAgi2WCMID9+Og2tkI3DXtFODBfQGi9ogK3CTZeZNHntQlBwFtyvWs9WE8CryWwIxGlrn3ZKZGWat\n",
    "efbDe859gbvPVHvz5L0s3OAE26tEipmKMI76YpX2ASW6Sq9vG8ojmw8gfwzsAOjMjIfB2aeFAf91fkBbWcD3twffG9zMF2q+D+n1\n",
    "knEMG0DkG3l6lFIJIoz6atZMW5eNwjyASrszqLsAsp5mBR0eacMqziE3BcDC5Q5qMLQTrsdzbmqgSLUc1JL4vMYrEMjNsWjuxov4\n",
    "W3aEWiRTnFDYgb8a6ZrFLE+lv9x/1YggrJ0yIElPgX3zoVNsK9roTZBYZr2ka6YIJbDPyScR5FqotddFGsbjUQPE2bH7nFRiHO6D\n",
    "Y+LL9G610Z+srERjvnBqJ2iPN0arJ0Y+v2yeuLL3DS/nygd4uoH++za499+8/2r7v19tc7qdB5d/mKP6brvJ7zAtEJitrI6b+eOe\n",
    "IA053C17XYNv6rVFav/1c3vxMuMbYoczWiImH67h+rNln9pMzd9fwp3uAFoYbQClFYrXg3c5QKsE4cE96AMg+7I3upOiWz2RyTzn\n",
    "CGv97iMYyjpDxuaKPoCq4qKG/Gt7kp/RHXI9EKuQoqL2+WUKdC5QBwoBnxIid0K1vGp7JD+BeRlkvuF0xiVl8T3dbY3uW3mms79I\n",
    "ZvV8Ny2sYkJBQl8HwF3UQqdk4wicVzPdK0VbE0vcsnS++MrC045Opa5gEqy2YifmH5IK+jN1/zwHMR/BpWhqBDonRXZBe3VTHUDN\n",
    "Zq8yGL5hZqB7IL+61YxE+JTT3RF2dcUfiUBt/DmvIp99BjO1n+GcErjoCrbawIWuz5Lu50Ub3UdZ6ShLWz96WbOnsMvfZ+3OeHa8\n",
    "/uiMK5Mg4+bJYziMOagCvFbzyoybFZbzOBuDYEDOoroR/gPWBLS6qkIIxPohScJQOO+EpYhixIkMdEMUBYdOdAO0IAouuoBY9/uU\n",
    "ssoidHlmQIz5OGULuvuJtONkgiMj7jBf0YC49RsIpCwPVdZpqNJf+zp6obk+acyLnCUgEn6MrnX9zF11Gv7yCCwTv1N8azLk4PJQ\n",
    "HfG0qYZ9zgf5DQ95AG5QQmCIcWkDJFewWYsh6mqn//v2bV1+eP/Ln9w+szfo4wsM0B+dh4nok2Q2udlqQHIAczYOj0vfbxLpA8zR\n",
    "wGCnotYJO0D8/5iexcwdHxiA1AA2MGbxv2AwKvu8J7vVuOwgQLIGc1l4OTceQJ4AyNOrhBmWN0wtwuJCgsQMplnw5sQCkjaIMyM/\n",
    "zmf0+YEq78hIqyDmZ1xmxZNTaZRXygBInGAafx2Z1B7PSQbDDVloTK6oyoDkDeJWF9G6f2GoBUR5+NmHxcy3AlJVmEjR9+nANy9Y\n",
    "jkxsMrV7dIU3gMQWYn2WZ1DfxJvevHZXVQJ2SEB1PdYdgUWbr1FY3xQUIJmEuCUrodnFPQBpGGxG41Y9/EkH4vT7SIFgH9Rw5ysC\n",
    "UiSIjXm1V+48DZRBYA+QQkGcecMu3emLTecGwLqeIQ2EDW1z567EFA3A8XMFqQ7s81PP0DuabwmkPjB/e3eMonCUMsHxR7AjAkjE\n",
    "YOIp9TLZimtegCJCm/MoObUBgOQUYmflWo2pECR6EKd4Rj9LDsQEx9+Zt5MzbUmqWBxKNgAJG6Snwg1WAiVYUPiXZiMCN6WBdBMS\n",
    "sCucJUeSCeFFAQIgBYVp9BRJgx0pEaTHklBjLPAqXhCnpPT2VWiycbzApg6MV9YMV+mC3XhQlzUvH0fznLlKDXyMpZoCHvvH0O5G\n",
    "cJZIa/RBW+RHiuuYXl1wr2oBHwDrXJxW2xyuhP4PqAfRaPOhfqXfx11dPFqrQPgF0nBlyccPTfjqfOBqAdjiHHAl3X8gfGJe9mR8\n",
    "yTp6/Qj+1fAqFxCftxPgRDOmUy2Z7v82XKgpYLHNPH4KOn7Ss1J0tfnkZJ4fCCuVgMFRiY5R1x1Ko1g1sgR1DnkBAqOCTd7pCsSi\n",
    "IOfwaWxqPP7dr4y7Wco2pSGo4e4ne2rqND2CTrEQKtD5ycmPpTvdXUWuOnOCt/Yh6RFlXACo6EwoHHUU1xsNOP6ExQXUCUXlqGsm\n",
    "2I5EVKF5STi/FmJ1Kxpaxthl4ZGKzq+Nnxu6Q1LkMFftj3h8HaiN4i1XhnF7rp3aTCqpEcHuGgTPX7ZdicAopYcW7ta7nSRHER3R\n",
    "hKn+ho6/xlQJkayOwT5jN7dIrS9lzNnTwjbM9h4tUZPWKnXG3c8bkrfi+W7qklqAiodXKJ740STLhbdK4VL4vOiNFZv/Ecyba2sE\n",
    "bl1w5Po+dUNfFFc0dCL2J4V5TrVzfBj+a7UNYhO4/TrZPqsH+qODc9emOTMdCMiDroJVzQ96vBuFtnxGEJzoiS5NKvpX35Modc90\n",
    "zuR6bhxBCujlDiYpKmV4aaNeKdQAO/lBbPOVj+Ab4nxaM2fSkXtj0agVVw4DhiSh0TuFkSrNCUqz+83jWWTmX6V8ncyzZm0EgvXw\n",
    "blHkFhUmj1+g4+aap7r1JrV+Go1zRAoG6cQs9UgU7DVBTBaV4Nvlv3JGJja3RqLiGzX/UjEKQZNyCRZ6nTBurhQ02U/BtN28HyRz\n",
    "y4ZXLmN0isK410luwWMQ84evqX9ZqIVzigE5p0lWKmxda1agXQAgKC2KAYjVA59qYb7GEOmPXxYXKt4LMaTjsZgjDjEgV7WFfUN3\n",
    "vdUUIwb/ZVK8RnNI3IqhEIRNJ9wt+xRlALwrQQyVGmxRfhjZvhSHH8Da0G2itbv5S2dG7eAMSOY7PIZOd7vgTalLVMYw7kYaFNn2\n",
    "Y1J9BHQq1IXmoS9bPQLcQbdPrVTyw2ft3eIKyZPkixAJ3jpFxkwAREh0ICwOCls8SWBeEAqPkInVkKJ9NnbDhRqGdBpjSo0neHtH\n",
    "qNT+aOcI5u2DaXStXzcTUbN+ogyHl5GMgA6E5tjsdp+VQY3z0raaJ2eMgUKNbqZD8dlsMYIU3S1hlV3xlTVuMSIfrWDfsUc7D4SY\n",
    "CNgJDWj3Rc3HY5LL6sRYiMl1LvtFsDrGSn/bOu5hSBPtK9zuEJO/4IIFRBMOibHfLfHwCofswxl0uUfw7KrRtBDro2FsphNyqePZ\n",
    "N23YUvM7TkAAtki0W1JwLm+KBGDTRvfiXFW9fUbuL6ZELad+9vedMl3tM4QPYyp0WOAaSNWYF26oSgH8k207TLtbi1P7Otvhjq+Y\n",
    "qdPPfFsVg/TqYU4+pps/nKKkoZ9HUwd/QNbLJgcCKc5gai95GSiusmafr6oRcySIejco9FM50ZG24CX+sy9gpuZBWbMQEVV2quJy\n",
    "g2vKYBeiyk7d2uHUb0BumPedNGpV2GrlOEaO6Kq7TGVRqig8Of0RP3XKtIK+bcEyX4SYqhOrdl+lFwGAclfyAXjnyD4tyNcl9uNP\n",
    "8GRH7M6Y5Hm6F6nqiBicU0hTEwrnH36IirkPIjtX/tsQuC99xMnc1UeHslWA5LKKuJkTNAS3hiG7feT9skFkPCL+Is/QamHn6xJx\n",
    "FmN29jtz/IhhuOux9vN0deIZgKtg0gl4/ILbiDiVU+BxVGtLo+kWEa9xmq1jUeBhN6TdX4kCxGio2JI4DkTmm8CCsmO+90DcvqlP\n",
    "2UB5s+SVMCDa3Q43HKtW9gE1guBdi2vFOOamRkTpm/OzbpTkdvPf8QfF5z39+LdQo33ZjVQHppw5RPmLzzJ2tta/EXHv9i3nJuM7\n",
    "pwpx5KaMZgvGfCOiq02Z0eDRVFxgVeVxEd1tmm/ZTcd/nlWI3jZnuUZdS4yIyGML1VPX9Ceicc35Ge3ctA3iWU2VRuHDXji4QcEg\n",
    "+Sm7Zh8Avp9FZK8pNimiar/adTqjSn+KmGRztnL4TDmKdOZPeFJXcqW1pQ+lsubdlcYKI6mzvhLmPmBeN0Y0qiHGK3duR/KLVF7Z\n",
    "crthJluSGVPUGV99nZVORdReHS3U2HilqX38CrmT4wXvsg+YwKN2itXCGbrTO9Sg2yMGp9I/vmFdT+h4Ja2lD8k2J21HXoDYCZ3/\n",
    "1rxS6j4AcxPtiWWkaURiXyuVyd/kI9EBjXFOeVfUgwm3/Mh3e6K6hgOSEUPy+BmF7gbpqaqMf1lhF6nNUe92QWVTyZheodHffx8g\n",
    "tKfWRqdD6MOjKnNxlXMDZYcg3BCVL4KBTq+Z8oKTJJy2jzqFQNAeWmTLywQ1Jld7T2BTWm69/2Sg5gc4t9OzIwhuVilECuadBBcA\n",
    "HN/mU0CHY2b3HmIUHaSATquZ0Mlsh0utZZk1flI+hUKN8qQK1h/2/ovRgbNFUls6udlbCo0i5vAZ3bFS6AR264Fg30K75UEty+WG\n",
    "BfceP7QXVxAHAM53B8hTt2cNPq2NRpIFRbm1AShcjKcKxLngMW9ZyQuPlzFJEAlUCBZlkIOryHSCkAjYQwRKcbsBdBL0w5NAQ/xK\n",
    "UO7MS7sdvJz93Xyl5lvxDY0IAFh3p30V0cEynsURXXvpJugETq/ix3KXXmDcz29QvJQ8CDZgNr28QMdArD80dBQHG+bWijfHN9Wz\n",
    "oPtKqVsA+CqbKUaK8ro9rSFRJEDRFWEJABZXnZiIoYcMtzTPLzDIDqummKlNtWiGSO7rJNjjl04sBHMjy/u9r/cFup07U3As5nPb\n",
    "K+77tRFQUE+l6uETO0Uf1bnZXoqDTmrtnr1jUrq59KmrlrJnT+qUgJqH7tO+fvr1FInxxx3t8sCNLlBHji0lYjwsC1QZjo1vk3ND\n",
    "SshfzdYqYFYhFtiUvNpSIVYfhBRttXFW80sXmiq1n5vf22AfAHKX+TDFYofqBOqh3tdHAk8Ao3yLpEGnjFH2ffy950B/Ma9vJ9Oh\n",
    "Z6C/Nvpq4KQcqf3zdPOnj8+JzlUH9gfx2JpDYE11Shh+LKumPWXkM4ughF5GXkq5HMM4fbl8GP6pkiuxuWkx6vaL0Bo7HMY3KXtS\n",
    "ZOTYZwi+ntzXyA9RoMuXciegvLLso4iJyiD/gcA3L+uykfKgs/9Qa+CX3SmBQnVdMS5LfdALjBcpLUDBDqmtLhPqD3ugE5tKpLuP\n",
    "0SNj6WELOuQapwTJOTRcMsEPoq7nr3LgpdBBQdYVRfOlL1JBB0EXPOw577XSiG32PUHnHjodyGE2yfJOLoMC3ffYNt7e+OZlJ3NF\n",
    "Hm1wlPTMMdwKBPFRzc5WCp9qpCMqQSc2IjfErMVMNdEZgG4jmaWajw26dyhNtVDEUh0UiAX5jHrzT7tgjUa89cmdWmNX+ME1gvCQ\n",
    "pvKoDqj9bhTZs1GTq3nJmg8Cu8l4MS6VypueDkwSq2iBzuKS1u4YMW5AN6EyGcL5os6C4sUkWqTLyNV0ZC5kt2AoS43a7fSIwNbw\n",
    "VNWa6KD4eYCWif0gFXZjxzXa7bia4lWheVYeaKxr97MCShhfa5VCVPgU726AlXVAsSBxqTCpNYLxKFTnwOlRgrDTSQ0d80nWj5HX\n",
    "6SC1QRAUBaf8wZihBNUMPdCZy00U/lqNRWdedQLYRyIInnR0VcguvehXUWI3RMnFzw1UeYYg8vvU0fJV6QYtBO/7mt4V8eqnllpg\n",
    "VfTzVXWVAPwPGN17iqLntSmxZQXnXPoRsX9KdkFT1PgLwpWI8z/HFPPn9YOIrj9AFbJ3Q1c+lpH+wBRl6uHk5e4ULyVjV8Qss8oM\n",
    "yyGZgd0gnFYCZoRanZNIUWCKeoE3X5APwO6ULbCpTNAh2YMN4CFGpDgZkNLBVJbiXeklOWqkNrBLh4kvwqbTB2kETMWuxKswWA0K\n",
    "nTdbX5NYHYuWEDM/dkF8RxYXRvT8XeNrfAo5EpHZn8+cmdisReBnfBAhPrKahyhYXR4Yh6dFRgz2ifA6w8cOsAls6t4SGbHW43ii\n",
    "pKO+QmbEII8zTVhMD/ZjfqMD2nEOPyMe+1yJajvg9sm/+dIUHGRxBH4jI2p6Cocd1ZVXai3CYWQmI9L7ZpSpVCSLoGbEc58gBaxS\n",
    "99Vilv+wzogqPyHEGjGiUgA1nC5z4gfHT5RnxKlPcKhQai1pz4jyvkGFXGzVhxmRvudv78m/f7sFRPl8zIhhnqbs4HkNfdNZeOzg\n",
    "QEYU97ktXtfc26jjGRHfmcNUiFR4oShdCGLfz8kUlEsJD5ErTz5/aDqGczR/8wRrBCwEv0Svwb72obnvxk7nrwz1tl882vOV1/4x\n",
    "Om5/Vqb7uBLb8643VpwlGQQAmhxSvjLcd/MP55Jvdz81HEPlKV/55x+2o3MTl3ylkefnKoAO1WH5yu/OU5vrsKpDEAHi9vR2wOdn\n",
    "chzAlLe/MtELRReqJy+qDHKsxDy7SlsUmVKjyL3R/o2hsyLzWjCsmKs5osOgCLQvtTdMF7yXG7tYIAT65TkOirHs7yKS0l6dGykQ\n",
    "dM+GYVFvX6BNmhPQ+eO2q+S/nrQIjDLfnCKx7VCOsR5OoksCUVCnt/KWVuOCO0hCp86WGdqgTnphwll4/FhgKnfozn3NBQCWUE2q\n",
    "FCVkU4hWaJO/jRsxCf20TmXZAreIh6dOzD7e0t1q2JRQgjUe1P6RRK1ytjI6qtphg1wbI9gGdOTe59bNQK0ruQByL1LPQD/U/8kZ\n",
    "nZ6dc3q6SLBZYJlnTUbH6LBEMy39Vfx+BUOZI+dMwA5EVgSpKL5R5amZb6fm1FQL7URq57z25EoQgRsIW3k/pVn+vTM3OlWxmt6c\n",
    "+6bpxCbLlSqz8Boo/uPZZH3hJAdd2dQcvVXzQmB/BPNhXsLddKVzm2vPzVZuZ9sU4uN1bFRmC3Rgyr1dIgE7CActvEhJxJBPqcq+\n",
    "4pnOR4AzGHn7bCCfHk/sGwsOYJJ7pw6Kn4Aqldh3TNGAxbwkGFcanaJRLE/JqDR5XMNWOjWoll85biHqh6O86JRxh+9fcZhroBgh\n",
    "OTTXTkbLBoZnrkBhU/hEJrgXOk/bKFd0aiVWQM5ECcw1EbwjUo9ZhW/fQ5kOMOVPKsPYh1sI+kPLPJ+3dK10jF6lJpJvptGBFqsO\n",
    "bZNZlfvHHaDT7dhOuTkkPZSFw5Ar8v7ZkhbTDdgL3bIvW6A/ooJPW+D5dTcgxg+uJcoUc4v017sz2y0ISpfYEp201D4zV9vQcVB4\n",
    "DeWOi55aIQYh2NgQOpsc2mBulVqt0choAplVfqKCb1NZz90a3QXc0ittmUVDvr9a9jznnjXvdW1QxHFaLRu4wB1/ZD0Q86EMB4pF\n",
    "R957Y/jVFTmXe+UUG2bUgPRIbEr1oRg/vVpglG8dNzje0dMThQuyy8AyOq+zL5OsyD1TkJRPboeZe7kbVvu0PsI7PjoO+pMeF+ae\n",
    "O7k3gqANuTI3vQpMVgrZO8E4YC8z4wQdOfjxzMHbCkRHIOaPSxMM6rd5AAVKUsGXY4K3yr7lfTMixTto9u4Q2nVDY1wC7ViqAP+4\n",
    "+fBd9rQpCbZcfz4yBeSFywV3s1EIwEE5ofOl0BF46cFHpViv71w2TgAfRztpjW6Hh5yl+iadLeZ1gjt53M6hKZx5L51vv7aaYLi6\n",
    "nC4AgvfpGBRuhE/4ZIMPsvKNXEIgyGy1fcPpWQJQzE0PilEvdRwSKSFSq5A/scjZD11H0isBHaAzQ17PCKmXCZUJVKjMqIMlqF5C\n",
    "oaCJr0q4vvWUUKl1tUKaTGvWD5chmVJCI2DsZ7+u0MkOx9yT2QKmyxCUgA6m5C3/vi/WIAiPah6m3qZK8xanD4FOGZxK81XDya5A\n",
    "ahjdxa4A0GUbJ8NFCgdnEEgLpDuUaiL8Ci4/gE6yLSmWh0PN33QQUKjlBqemOgqSg5iKtMtmNOvgt8AmO1arsXkYWSpIOmJKya5L\n",
    "vQysDS807efYheiivi0F6VRMQUxB8wDOblJY1z3mCxKs2KGie1Rix0HeeMs4je6v4q8EMRAdlYhaz4U0M6bgaEvOskA7SqJjAnCu\n",
    "CBOiML0bkqeITV9Gd6yZ5IXCPwWcADlODUlsxPYZLCcLokXRqCAdjokL51ZXFCTEMT/cXqQFyIxTA8lY7IPqXkr7SW9e6sHRydfl\n",
    "oZmjr6nq7bPWYD7kkRDGZj+0cnIZjR+i7XxH6hlzYu/vEc4BEySoMeF4KupHdd8Ck6bgHJLOmOsF4cyyJzucQDq/IO2MOYV5KJuy\n",
    "J5k15osEaV9ESSde23qjo2YISkMEbXAKEpaYkstL4U8H7TM/UDYP2H2cjGg3UryYkIJ3pGgyB4XJSfA8YiEgOYpdljvY2mlHvVF2\n",
    "zrwgnYldZtghrIJkHXap7+jt54Uw7BsYEmrYFbcT272y6r4EAKq8H5JpmDLksTk/LPdBFDoIAU1dPm37utTjaXMNO+yIjSJymoKx\n",
    "b5RIpGDu3ODUAWTfA18cXdkFXrup0UvSm+TXOpSrDMEHwH03ozPy/ldhgA/MMtxLMMtVD2DH4FQKHS8u3yD/AL5qDXzYbNY40VVi\n",
    "oOzCszWf1UrKCrV6sVyZ/kWmcKty3mawBUm7XIn/H5PVqt9nPP3alaL/BaCcWEBwHpggxnrl9pcPzVxxV1vBS1MHpiu4L2UQMHa4\n",
    "QcPIKzVQsCXfnSMfMF+kFYhlDtdvdRrWePdjo4uM6T4RyBdnlwQi3//UTLDDdsk6Q65luopaKNj5inP7GOvdGINb9HN+NbUR+3pt\n",
    "U9k9oyLPUFRFC8yjvQ4CFDrYqLOlhbtf3o2aAfNnNqA/kyf6tMjaNfTd8+VRBbkaPoDlE2iJoDBqQy2RkX2RM4EMYyUMwU1mtHI3\n",
    "Y+3McFV0hWRf2xryWe0JV8wYM2iNmOeEJJYRoNapzXaqGvc+S4POUkjC2/MyNtoDQeD4Ptn335HXepZJMD+zeyQAEOEz6FSlI4+z\n",
    "yZ8mSV7zlTfuN5/CEwz1uorvS1UoegKrvlnplZh0l1gVAKju8HzzfGfbG53m1/FM3cZkm1fGLXsnAMALT+imXwW1yD70cWdU1reD\n",
    "scLj5lR3ec5PfsXPR+IA+iO6X2MKtW3ZA2BEihI8+xbvCIkiGOhohyK4DkCsZckEBXL12ne8RJAbvqxTnx+uyuGOQtBjKJa3B3vM\n",
    "laIKG67LbgY6MIHDRGfWM26R5i01IzKjE8NGvukRk7YMdKwklTDwUdS+hsA370v0cYE2nGQ1AME/W8qzhkjHm7qQ6HmQ7FIaFx2c\n",
    "NaDTZgbstFIPnEBIDZmgQYKTlfYsiJpraA2F4kHy3BCVGq+uz4EakGstyo/3OB1RQycQ5uJ20QvQHX0VMqlh0BllFJGuAj0am6Io\n",
    "SYVAZ4nXB/P4JaU0qtrGAHSCjloFGrkTDliyiG8FdCbUw7oc95ogM7ZgWhNBOjyV7PtdBaZThvAC49f5VMh01XJ1kqavUIhldrWz\n",
    "YB9YEQ6TbxUqNe9V5FancXSaNq2+6muVlXmcQicYRpJCkpk8DlBXQOdUX90mbLdwO5SlAL/GQOGbZxu3ZERg8CBqRKfYLEFP5pCT\n",
    "wEHFSNAPXvQ6pnaNiQ6PW8pjGpQSU5Dlt2KsyWY1Zopw9AL1i+XXeHP7U6AthVNE83as2xkwxb5qtVV/1tiIQUbu1+mJs3/KnQ4n\n",
    "F8+CUKV5RuVXjYNOWz2pkjA5gC03VQrUvldYaP74dPPWU1ysdL862f3XRwIQ2jiDkeQAs24jUFOiIBlOZJzviJkuT2qf2DmppkLH\n",
    "yxVpVIbXtHDMgFeq1PxovltkB0EOOz1zBs5T1incxrs4SR1ZjWe6DqdBAQWERhNDvGbkdbfi1t7tub0jR+yGZxw2kJ9xUB8n8c58\n",
    "q+xzJUdiEoJvI75kxJC1iag50Qk6Uqvw6ePmAskPNOdMp7JFJ1KCxTLz4MiFfpqvqT6ydBnfLq/3VM317jMDVTzwyYU6NzrJaRg2\n",
    "iyT+ntGBU7iqcgLzg5iPyaOFU0UMzKnmNvJyYZevAL5Nyasf8Tbn9Kbk8EuR15yR/XRG+/OkhVLtE0Tr3IDCpsDErrplZbMR+XIO\n",
    "JTZpH+/DowzxIaf5pCsW4neDqoggOafsLAaUB5hoK7S7PdflijjHS6UEUKp9qfG032yncIIUEm/37Y4NOfZ22OxE88rTWFdGABCb\n",
    "cwoPhmLJfAg+KUT2nGOMSZmglXxcjqAH0kpmGOFVG5Fc47M0mKeUbEWs1wm2RVWZO/9VvYXGpLLmD/Fm58q8phhLLmR8q+z3J+Lc\n",
    "TrkvUbpX9ElUAhTDcKuB3e03OpBljtbVpnab9LvZr66hQq15WZVwRQTgpbyjMce3sQEq4gdv+ldamhe7vroi6nB8lo012J8TiEi+\n",
    "Urkz5k4wICycqt0yK/SGGMpTHqkknwwCS/jCC12w4zIFbN2vPXlFdOWpYxWaubSBOY1mYGFlIKJJT8DX5FZNhACxpKd1qL7avPOO\n",
    "h2jTaWaXK2cncIJhTpZ5NX5OYLy7I+J9TzDIDgISAqvKn30lk9dddAvAVdexXrnkH/ZfdzVb+Hy+IVkk+cpF/7DLVdFh5qaunPMP\n",
    "8y1/hr6MBVbo7q7897pSbVvUKV6p7B+GSjota3gSnuwefuWp1103LBU7J0FhU/ijGwFgHj/K+M2VSv4xGhbN5nDJ2QaVl40rT/1j\n",
    "eqJY/4hziA7ks2eftXRy9wYLosWLDSCwUOFEjZt58xmRILIaKvI/z5HoePIJiXcPjOPCSgOCqd9xHZkuTs/yoS0v2KPcja4YiT28\n",
    "aiQrrORSOerdPMJ5YpF1NDqw4qC5NTP2AznzrQQg9dMoxvusDYJ3EJhj6D60EOivZ4RVBZFPgXkGL6EF5IfLIkXol9FwgF0MrkyU\n",
    "SFBi/Nx74An4AuHiFhKdYxhnKQMpoXTv2hYyBTvM/RmV8XzBVrcIFzRBeUULheApyCeGO6AD+nFgoYVKp/OM2mYLiNat6BF1Je8t\n",
    "oJN+q06o0e/xCUqAw+CMzqDg/OrEvOtzcwcYBGCto8CNtlksc9PADQKdHmH3idVNXmnf0grGOqTVOQNA92uLXmJhvP3mhs8fcaSI\n",
    "uZ+XBJu3QUCXlGfiqp4Vug0yAZOKcSxCAQ0KHct9Qs98xkA9nizZkwiQN96qNWCcX66VfIAZUbsGnaBAbiJpRKbInBXm1YEAg5iV\n",
    "8lkP47JK4+zMdouBzgmviEz1SUc4hpKdk3maRD5wPFGb8nPyyQIn//j20SUCFxL41QSDBcDyaImZYno3qmqx0EUS7ujVyRFvjn1q\n",
    "KI9o6d0VZSY5Z0VsxJri5BQcc7HTn57CWSXLKijJWz4OYv+hOk9bMtJSuDMcnIrG5wqkm1edWrwA5uohVsW9A7CJU9rSzRlDfFae\n",
    "4Y26T3ciqA99Mly/rpTpEPvnxV/BFV/5qEo3Vz7VRVtwu/zsW7je2T+J6KUCUoaaNFCLC25qdybBrltvM8qpUW2p3yHEkwp9WkJH\n",
    "Rz6hLaAdQLJZcyBgB2JXUvNJZl6aSplTlYFOlSYTfhwaNSAIH6w53i27WGSKz6xsOVEwRkmR7AKXMwXgdQjWBh0NkPx8U0YHVHmi\n",
    "zGVk0bRciX3IUUW9513ocqODsUoPi3wO8tWVXTynPCJ1YJKjJw+C8FBsaHyDlkDNZ/jcjixzFgvQWfS7HPJWsSDnuEVYITpUlbeS\n",
    "iNVDSQpFYkdn3vZQKplOVOmf912XQrHXPsXzJlOQ++ysVq2e9SOlEfTwUD7vrX7dSqfjHfUMBfOoh5K/A2cEpSB3Ojg9aTTk/lYD\n",
    "QdGzxGWP7Ap3g8unReBrpCNsWc442Q0lYkjaHUb0mzP9zXKhVf51qxY6rGV/PO5Fnm+Yf/esN+e2KdA+VI/61xvVRhBjOLVl6A7Z\n",
    "CWTY9Ilk+UeJAxh0RkNkKGcJdrLc/HJ+WqA2YZylodDazU9NwdgA58QgpsdvkYCFmv3qg3aAxAVQFXS2TCdLnCk8zgprzUvyIa0Q\n",
    "jDWtX+0dDUiWB4wBln3fb5VuszJ8agP2ASB/vOUiYtHxC1vrxBD0c7Wh1Hii7TsoRvUgHTfECd4FoZuDXp7AqjL0xgfgcB4Q33iz\n",
    "9pBhFolACqzxk6KIuTwXP4dPFLhuiGG8j+j8exKiGs8FLtG5VARRgueMtnCWnNs+hchvJnYRBz/zh8i6075JeXS9Op5okisnYvXu\n",
    "8s9wVsGSCU4gutUQjzhmS4ev47PVCqPc94hNPGFrPY9/qAQT5kYRUXmCwGnZMgMST+CvIQr0RBCHPY52nM64JCuB2MlTyFnAXLBF\n",
    "oA3A0t2W77Z0s0ryNUQ/3j1Bttx2EMF4F3+PfkpSDRGKp5pzaJbaj6Q1ycyjI5bylGwtxbk3X0O85Pg0DWcSsFGbNzxaO2Ivb5gx\n",
    "nMkzSRMRKGKsnpGSjji+UwU0Zp+rumROT/oJrCO/I+7vRO9mVsK+bMgTds4jRCoZ0xH9dOpMthPbYSnBdFo1HRFENzBxJkgks2VG\n",
    "Y/tDMxKj/Lwj4uhcKF5agl+n1BF1dB9E9wOIegDeLa8j9ujU50zZVku5KbB2xK3cFVj5ARlWIa4F4PEOJLCmSU13RMWcU/xaZdLz\n",
    "NeUHK3jgd0QCnaDrQJeZSpddcXW1aifiP9uviYBxKEur7G1H/Na4yqDrr6nZC0rgPhG1dsIB2KTpBAZlAYOOOLqbYGyEeHLjxX6l\n",
    "07YprHh0AFuKGaIPluBQvlJrP8Bq92T39ysLdjcPo7D0+3kpqYlw5cG2XcbvgTXnooDcrxzY5iMQx2x4aMFVvqym67kSZnfYMIZB\n",
    "HevIR9iBlE+FK4W27dJnrwNOAhd65ch+GN0IoWK6EO9md2XL7lDHQmKGM/TKcf3AEQi+8J7RfADpJ4v8aDnsvq1jlffYCQCzEzNb\n",
    "t6PHQe0LNQ0l19EUKBTwVS8EXoWPwn8aJ+Qgt1heC6IoF8MP7z89UhilMiPni0uJQj10yVCpXajNMt/HWvMWbaKeMgXl5i2ZyZd9\n",
    "5QvB4Dx6Ze/PVOkg7mtMtevd7n53O/uSnDodSHRU6t6XYhCAg3bTDgnrnpG3ak+6FPtqZvYMBC6cqBW/4yGP1p+VhTrFyufWyImA\n",
    "HVRtqo6vnIn5dXJFFvfKhU5Vypbk5Iz85UpNPkgaOQqHKsG4++jmZ6a8B4BrbBo8MATJdi8sZjPAnjuFExaaLpLgPQ9qfimZafSc\n",
    "yRVU+bYrN88NoO/nyNouVix2ymnObAGCdhSrNkoXOEAJQ9PldiBtoiUx5U9qTbavYyLoD1pOvnWSvWQ62GUI05pCLIUC2mtbjwM7\n",
    "/niyy2ipdD1DVEew1nOLjox02DZdlmAundqNnoVxdSIMguDRwk5Qv2FHVxIZekVem9VowRzmMiAKsyMVKJI8f6DK3tZIYe+v+Gds\n",
    "oIqcdlGdUbzg7jyfaiZgB/FE9a5kI6heSQrzq0tCLdTkkW6/tLBWaVz6tVS6hRqcWJ+kA+OnDmsj9tkhC059UEWH0Qzwtc9omNLr\n",
    "oLCvBZ8X8TC+IbmHn/6hBQKgKtxbPecMGGyOTW/oAGlPSvbsjq5FghBj920B2lu6G0I98XxP3oh85ZDeMoF9DB/4pL9buRsdnBoL\n",
    "bVU9meyjqyFf2VfcLr7CGVeQ1AFfuW/mxb8hbz7YAmvSXaMCsVwI2yCI7Evo67NjuvYe6EBa8bqYFaV59ve0A9w8+i4AMsw3vx6J\n",
    "ybWKmI+/64nAhtz9C1NmgL7fHOuumhHO79wAPsCc21y/OfSdFlxV8SdT9tbpN/BrN70BV7e1fjvGNvrwQw8I9t21N2ooVN93g86+\n",
    "Rua1906gHmkG6rDj7uluB8Ck6aWVuODx7EzvPwKxGaLbszyqzR/NwQA6BzWecLYP5P/LMz11KwlQjaB8m49E4MQ0ANttcCCvXz9F\n",
    "w24ep6MQWLYWv2AVK0X4FHbFQP5sez9APC8BOPodVvf1DoOYD6WdrWewjWqEQGDX1UN+q+eFbam79voNMqc6AtDF7umMis88oZB3\n",
    "7UbtrqWDLRMxEUQJyZ0jxmSx/+LdNwLyyhvhLQWjFtW+yjenu9FXIBWHFpe75ZuzTZPNkc6vpt+BGwFea0Gxvwi2YZ2r+eK8+wc/\n",
    "JZ5Z7DOuJNL+wbZpOuE3gSE+F2hc6Z39J+GpFpXtlTGuRMvdvr6iZB3DHlee4RLLWvY6rizDHeqw1aKiwn1caYAf9lPz6qgZHcwf\n",
    "VoGMKwXwY0ttRaaK9gD8COC4cgP7TpgaXf6J7cvaiCHGDcB6Vz4BUhR6GtDv5i55aMbspgcxfRAKYdSDCqwJj5uIXKBdhigqTR6q\n",
    "14yI3GhRKJzxHbYViRGINGPoMkwjRgqrDAXyuYEjomPCm0eyA2QCEDz7AIEM4LVrnS+BWO4MJZM4+FEdXfTB04lVj1gJMCT4FNbw\n",
    "iI0OeM0lsd0hYqfjVBd7vt44deIMihPFRZ2Le3VCzrorE8/LY94DRPLIScjFzldsOl1rZB5UKRJcSM2Gu3pcF1dQTSZ3pETQQxvn\n",
    "lnWPdPPJe9PgciLLb0csBHGt4KLfvfObT5WOkNeSy/KEcELkRU5SI2APteOGkj0/26wMykidwr3uUsPVMFSaFFya0u1EmfSddAbx\n",
    "feRAUCKXHK0M3mcgcMwyU0GkyAHgmHyrRGA+RnOkxu1VQnMv5UTNFr/q3nm4ZOTro6Oe0siFGA5QpL3zBOEyHRgnKpArnZ9uf7xn\n",
    "5EHzkyXVqMQIjFrKa0ZGvrNwmk1q7rJ5EBAjNbrLTMoIhqMgLzxfD8khaM43qrq7FyDmtaRIfszHCZDpiUskaMHJE2vNsu8lJd0B\n",
    "9LPqoX3gFquQ6R5eJiQ1jeNHQY6/eTT22aemEqshelaw7L+7EYQYs89VZEzjnU7KULaCkhtaF76NMujcWsNIx7uwBorWPNLizWiZ\n",
    "0VbJ4Yevdvp8CFfkmbfYAmRdNemokRpKp7c5GvXmwGbZtoDJrAy9GhC5Ii6jZoIBsZk7YMltsmpjarmzGn1z1PXmhWfResqKBkLH\n",
    "t+baCMRDdYJqstk22S+G2onJrcDT2MhEYNL0Xqg3bz9bkXV+rzl+L9rRAkGBXHUtoV/HD6IRhr/rPUBkwdcGFPF1ebslAMpHEXy/\n",
    "LRKjBxwkiWNr6W4JoiqawAtwNuSbJ01inNU9e7RyB1XP0Qfbx1UJ2GNXWk0qzWSUW6/RkAPfGlRFcCFxLnrfOMAy78StEyBGmYIL\n",
    "33c0dBaUw7eabnezzYsEc0YP1G4891nekZ+s7qX/AvOSyHqP1OqoKt1HXnarJwL2oG1qlQRVAhxet/gmRdOeqdURnTNZfABhdqCj\n",
    "o0ghMcAqiTdivHrp9krMHglMWcu7eqNQBU6VP5oJod4p5rJxpq9Mwwn4h4JAo6Njox/XCor3y9yGIxCACEVfqzl/8UAufIZagqIh\n",
    "AO8Sp4FalECPSEweCtxb9SbHuLndnRXTzDVrvK3czkA/ejvOaN7IFBD6WeL+SihWFGW3X4h9xW14QcOyA7AP/1Hv9sFJjU98gQR7\n",
    "oVHYEI3hxd3q7SBIs/Kh8wqNlPpRYwyK5xjOjA72j1YeQgjUOOPKyl9hlfnjbCeEAHcm4WQybPFHPfZjdQJGAhhg+CT6soPxY78F\n",
    "ISRi/tBFaiJtWgRVBRuEK/F2fPAbmT0xuLFbPQL/zQfhSvT9wDBJJr6+ZkK48n53oIdWz8YnWrJgrAtVIVxZvh8TdUQTdH5IgRe+\n",
    "6FUN4co8Hh9kWzgxI2pFNOSVIFy5yjsuQwlcXl3ihqIIB0O4Eqd3bInyAC8gC+HKnf6AyMPUOivKbHJrVCFceddjp7DGcNKzxgwl\n",
    "SbxBuJK8d7DQqhcJuzmY51NUtFDKcxwyAQMYn6Qv74TOvn9BobMak6cLiFoI7W6vFKqXzySin4F/fH8CdP5vabYt7mdrwQYWs7pn\n",
    "MQToFE/YDu/V0ao1q4oqQ4BB4A47m4rTO2bz61PV/PMFcxXRzWN21GymgLXSIP/MjkDN52btACqxqf2uFL96FVKJkZr0L0+EEBPF\n",
    "4Kn+8nbfDJjEfDeIfoZsKOihDvMbECI6URuHretCzzfhcl7TsRLz0ovx+oNr1D6Y+ojsO6lTk8viMO6lKQ5imNn6UPg4S8hpbt0t\n",
    "ISmyfOz6PB2eJNSXgNh/IEBrvHSKxOZn6IBCSMgDDk4RuJvAIoSUCfZDFw2bmDWEVKj9+yJNe4g03fwIBD0tSFLC5QbKvg6mRvAe\n",
    "qVVGBxH1IGvOq9ayYA90uhz59LYmVli+WAiEdDsdJmN7qWXhFVOqjuiq0jwIORD0A9lxkeyLxLDKp+fb4TRZ3qMbCRYSk8LvPkdi\n",
    "eLuNnBUNzYlCvW5vxT9i+DYXgZB8OwtnI8sQHbOTdgT2chYCYum+u3S8jlhHcoKuQLIgX64EOB5lRzXcYAgZHY6ZpcZk44U7IqqK\n",
    "AB3x1d0M9qXt5Gc8VBmZw+150HEKih1Z7qQEan98VnOufBI6705QgK6bkvCtTBYVdFqWZ+r3Fqc673sFHWj1SRRJmPEElc3VBty3\n",
    "QL6zKjnPlvrYWvvKTd0nYqGIR32tNJcVnX1VMLJUAnVCp08IBXnydqhMby4M0UAp8xWlEyhm8vmwPFhrlK3xA6EMOkGaOnhtwHh+\n",
    "rTXQH9DCqeSSOegKdFZHO7GFqjviv9BAeR9cjfz99C8EtkgJ10SNRqfQxZNshhOUMKRf0fnYnzXG0tca7190ubNfT6KSQ6iVQMVt\n",
    "KExdhycBx9qItTAMFCmtwWMqEYTa70x+kiNBx8R4olnpk/xpgaK8Vg9k3Z3mCdqA2NxcoulYBr1R5cWi3bzcFLhJ2bsIgI/Af4+0\n",
    "RGw+SK6YZNm15iXv5JYJwmNRuNFN6uyrLvWt0MnKfPkb3uOaD8Cs1Wk3xz5Fl/I4URl7X45GEWM1NW7gfX37WDtBlrSr48sGQWiD\n",
    "wLDVBC0OvQc6qbyrBues1lmWVAroEJiR6X47QKYgVT6RALbPF3LxWyi8B1EZKAchUYQCfsKk80TpyGE+jbz6ZZx0UJwrfy/EMrNr\n",
    "mOTc6pX+dmnXIe0lojeKW8CLBThjbL1T890uV721oKWrkbp3Ln7CDORKyrOqNQcOmxZDeSkdQOCMDoybpXRClY95OqARKfpwOhH2\n",
    "oSH3ucV4W1FfB7mhNx0kq1P7pnVOjKsk2leBZA8MybFgwOMKd27SxJ8wccVj4g63c6V7C9o5In/7RkZHz1OJJc1xbbDML4Uw2pdV\n",
    "JYxOwJhlm6xpGnQYChF39lcIAZ10nd3Vlf0B2uy/iCpDAGLUwpeXCPl5Ax95FQiRQD1KpXg+2g2ICsVCM9TKE0BI1P5o9vstICWI\n",
    "XfQrn9Pua99p6FAZz4SyjTfAOkEqBTHVjgl8TiOwHInDw/MRkGLBHEdPp3bT8wcUzd6gs3eOD5qbEOkVTKiT08nRgslfPCRnMKWt\n",
    "Yven+gASHUjMIO4iSg+IkJ/4MW7BvNjsS/YwItwnVjdKzxzQGeiHRzki5M8N18FaiS4wKQsKAGLUp6DqnKu7TwPiwE9gXbPbgwSy\n",
    "C4JwTJ06Ab9VYhsWfP4f5wqEqW0Enm3BswzAcov9Qkz/gtK8siTwhd39xXLKXs215vR8YXpv5uNh33ddzTd8oXl/AIQRBOV7h/Ep\n",
    "lenDXkwAX4jcHyYVjkh58/5Cuv4CDKeR1eELAXuDSs/iOpZ2bXrzwquOeRSy0/sLq3yD29IMEPz8VJIBGFLk8IXJ/oFyUEzr+vay\n",
    "w7KTmA5YugJRiIMAMyUo+Uelzv6xyAQkdHAVVkNNsUqPL46Ir+0+PEbsMQGBhOp2YPuYl7mlFClcH775kh0kUZCUHW5PVW9ZedVM\n",
    "mYAxuyKZuGyQCsWMvmIbkNAxWw97DjBKJwTWWG5x3zyN2ITWdbVXhyQLSJ2i8OrUud+0zfjq2Z7QwdHYBwfb0SY9hvIylgMB4zwa\n",
    "jxcgAzG47t74oqpYbohTDySwyryj50hXK+TzUrtKMNH8pDuE7qVYtZvPdPofGFyWO8M8pjLy4n3RbkEu56Y0z79y50rsS4qTHzPR\n",
    "AmvKO40O4HiGGzW5Zrb7dUgEyOj8GE+qmiT+IckMCgTnIQ9i9bEi3EW7HEq4g0mnZRR0UMryTOvAVteEAnTRvfawIDxRbkcFWBtx\n",
    "P3HkJRHzawEBxWXLCUNwGyqZIp7F10x6MP5RUgrdAbWbleQFNhcVQOV2cExJrIcKfE9SCZRG0AKvRS3vTbOvZScAMTZR5272G7UM\n",
    "Om0NvCIiycW87HOrgS7L9oZVt51b7l1XtFWuv95OAIi8jrGy1GRF/j0Z24rwgrI1EURGmyaXuKMbLOdYq5mClfEpQX07rPK6W8vd\n",
    "Lhrn+K1aKY5QvXJ1U6jIv2elTssyOmYA4Ye8a6cgvOTYsSsaxOT2BtcJ8gqduxFWR76FFgisVgmY4ywa0BEuFWx1ISsDjKq2t6GT\n",
    "pTAl11ReTwO0uFa2REwyA2T8xGFDjvppT3WjriC0QgEAnO8NfABOgKlVYk22V9az3ehv5aoLWrqYQUMeuB3e3CxVsm1QlOarLGbF\n",
    "EKRzeiAo25GvqzHm+XctnIAn0JHD7U/Io+ZvsEcCsPVnO6nBkw3qONOjMc26CM0McE/Ueqrm+uue70wGdWeCw3lBHnYoP+0FQiUI\n",
    "m+CI8OLBbM0LvRGkgw4gfMN9Gu50kkK0LC/ITMoeoH1QuzmJYu2MS/+4+bRdMKYYk7ADqMFh7g8GDma59YhGGM6ER4LA6CH6/x9I\n",
    "Zl56JIJ3qJJqp+R4oCnDUiNT6NbsLkpoWPXMGoXucq8m5LvxSo23xrs5cyqPRqM7mdd1avFwG51Odo7OGvFKBNXDdtxOjCmWJKxB\n",
    "WCyt1fjZ49CFImNAh+AWMU/p7HhRmrBwB9ulNAXLa9MBnp0AiSESrK0vg/45zQ39xoCOhqQKm77wGRbLlq5+MWSKC9EztW4xLzvh\n",
    "YigEKawVd013Ej88dhI8hkogD6Rauc9IjUmB040BHa+Zw3J0mKROIA8CHqz9y7Zm0WuKYXBhNNezCIGYZ1cq6m6xEdA5UDgtwuSV\n",
    "dRYM5kWrTZhIYDa1ZLeiQ1ACLM9G3Y8+9BOQ6HS3YO5BEiHTnxl8iVERCrH/oPYjLY8WGFReGxW/eD0Llc5yh/NquiMgf7+lUGrx\n",
    "bd4sALBd9AD5/a22uwe7Zo/AqOqwRZT2KQJmdCVzQRGBfRcWG6eLrkREbZ+YctfOjAhHxHKfykzCbreiGgIlmICUFRHxfSIolfn4\n",
    "hbkR8eJ3+R/Ql2McxcMj4sFPjaOa/RxLlAGIAu4R8dGn3eHb801ln5EMj4h3vhR24rKKI+Jgp6AsbTrUrXBBkF3gEP1616gJn6ge\n",
    "5IVu6PsXEZc6Ae/MPzp2msym5aBR/PKXu2/eThAJexo86udqq272hVrd/hHbO03B/OHKJo6Ijj3tJ90uNgUvEUs7wRPBMavikABA\n",
    "RmyKV643TCmgR6k0c0xFi8DfYJUAbN243ZIM8coE340fdq1ymCs/NPYG8IN8dXJfqeiw6xAVfqUdq+GbAMD2lbNhZOql8Up03w0/\n",
    "hNgku3YegVcy+4dBT7rrnPEre3wH2J6PwmyNcJteCd8fc791w5E8FjSqVmZQ/hjnd3KlnMMuP1Wbo2CoCWGRfzKaZc9PpjBeFe08\n",
    "J5MLRbfXrciiV7kS/IcLp4eOcsyNgsDnDXL/4pCLzYJuVIsTKA9idquQO0XwegaGSiBgD6WClgtPnwDI+c70RTmre3EskULJs/KS\n",
    "q7wbGjfvWxIBDLHrNFpiyXeGwJTiiDKbyoB7QR5tchbyaerB+4AqxXutK+VLr/UEXqZMSiNYm/zAmc1nXPCWC4e8cnumZK7eF/Nx\n",
    "WwY1n9ykdqLRPH/Za6AgpZ/YUjsZEYV37woEaZ1TYVFPjoVd/EClX9W8B9VIJ9e1E9I+PnT0dE57T9fLbM0Efd32QZWzrIWghGKs\n",
    "4OE+FGqloxOKAr165mjNcncE8uTDUhivvA644XPH2wneQXtpSdFNHXQUya/gO7Zw94tfxmn4G3aegO3m7KYCjuBzXFxMDZZ1vMTY\n",
    "IkF8VCw1PH92gESHJNRflRwDRij2LbXpwVjvifkubZnY3wLzTre46T7azdlPyZwc1YFk1mPRA08ZpXAc6svvthKIkIr8ZZpkhgy9\n",
    "KgQoqkdOa3TC7V2qjg6mdjuYNskixXPRlGaww7Mfdu12WE41mpbtB5rQML8yVWHzOLfXAzH4IDGjbnwZO9CfOpKliHZeEXokJjeJ\n",
    "antk9hViPQdxWbrRE12RcMabdp/OfIc0XB1WRyfEseaPmrOigeDHMwwDeHUS9UpMbhWtp2hKgh6MH5ztjc4PdIX6xrIAUIuyuFz0\n",
    "Tsw+lnWbCxn6oAihnBzJH4HO1HC73M7lHkDNt6j0hSamz0AeeXaa12bdX0U4RqIAKTGOWD6VaOQ789GP6a00znn2j0Itw2ntJJVQ\n",
    "AvZ3HJUgyDr+cE/X0QjIQ6WMdHMWvVFlwd3oFMy1iWM0IgjDoWPcfRn9RIXUbWwpIG9cV0VlprCDA5Qg6JACUDSuLjD72N9RIkF5\n",
    "FAl1lFxNIVEw+XNTODgznqFs23u0L/MfeYJlAqbN8ciuQikUOsRl7sqjQM8ZlfcxoqNsy8fU6iN4k0Ijhs8lgkQvxNWbLoVOQA6o\n",
    "vdL5GnQhUrZxITQGF0VTCdA5MZ6kJawvTgEAN9ORAIjJTQ/MFPHSGeQfJRCJ+bW/M383HoiHweAEiS5rgnNKB3ewTNdnqZhoyAnt\n",
    "gOVuQ5QTWZ874s1p72Ji0bPYJ0Ej5sWKokdRgAQ3BxpXXAluhlZpVJe5so1g3XUzwSD2171RVZyvFAOBeTjJXKJvahTZ8yxFuINx\n",
    "0O0TGubfIWKkG6iYM3Hs8FGKN1c8JcIgOWgrPmZvUswER3tt13WSS7EQdEldn6C+zgJj0Qyz4LLvTRGdMVtyJ2bTxs8ym0xHtltt\n",
    "d1aDq0x/ip3aB+B0l2JejXTGhe/KOAhIaLy2gfwWeCkFgsC8AwmHkYCC1Gh+HaRIpz8FURaHddAm5HKzsXkeXxYgpUxgGfdgVxGy\n",
    "hDjLTyXVXKbWhrHOUSZEjJ6L50lEmkcV4g5PgJzOy/LtgMjjbDHzeEpcuU2oQaBCbItgCSf7khAxdw4gNd84TzWCyDSQEqIBb4pa\n",
    "m0q+Q346Id7tFOoSl5AeR0G05mWvB0SKnXNThrWpT0IE2FhlrATt4WiA5N9SELU2NtaF28H/eoNyg6WIxzuF3A6ab1jLMBKi88bu\n",
    "3SY96hHUu1GFxr5RIfbxZj50vkYjL77HBxAdKoNYhQjKHcVacURvjs9i876094TIznPJITuKIoAFQUe9SojkPPeAOLm72sWI1DwB\n",
    "cjG+VIVWLelZxHneVQi7X5ZmfiuI8zyH4X0B2+cKufjxpPzXqF+fEOd32t+eR26veqPx1ZsBcYnjeMJCUTyEEcE3zTY5kfOL5U/D\n",
    "pgfjjGXeqBGrd5oPJ3WaAD2YMlWHCL1TbXC4uCW+VUs8AtGB50RZekwLcmUGWH6UABGR5wxC/iSiNbiic5KDbmCS29mVah13ebp0\n",
    "tqqoBZH/tLhyu3eQrQmiX5+iqEewFFinK8P7Y+Zi8SlQ3o03Op4YT5IS9EZ7FY64Erg/IB4C57avZ99m44YRn+UYbFIT0Q3jsDds\n",
    "ujLHd4gA6TN6gKcr+/sD9p6w7lreEfWIqqPjSjT/gGrxxKuSDkyyC6/07x3hWPzKXpvqAceMt7ZMobjygJJ0dit0fUr/RDmV1CpF\n",
    "V0WUVyNEDn3LIOZz6gJaJzCH/BBfWr0v9KHUe2qDQIWlnjLrxsK3yo8l9HBnM7vWy3ma551Jnoj8bhOpo4Mp+7THST0Smw88SnF9\n",
    "bk/E4EPnZms5SM/0B0M8tSPLjlk0Y9JmCHqlI6xVnI94eW4mPQD/XdUb3aenUOB3pE5H8poKw05QGkyyHGwfdC/xhAjVe8mOtswS\n",
    "6zCU15SBXG8R9D3VTqAWTz68eagPoHCNWVGj0QZXg/Gj/CMSBCZTV7s1EgF78NJsFyA2xK39Gejsqk8UO1y4czoQ1fNVB6V8vo5C\n",
    "wNYhQf8mKWlUOmDN9V5yWHjgWS4+o90tsLHA5OUX54Wjo8qn0Qk+5Oobbt5Bxh1IdFhM1reTQ6DfTu2OFchxIsDd16npw8YcDDpU\n",
    "Go8TcvhkERjU/uJEANZxD3PhbA6ZQg73gLAaQuAAcygUg7XW7ANMY36Ryc+h3q11ODkaYUHkXy36RGr0Q8nlPCKpEkwQJ8yhU4TX\n",
    "EneiLTvufrdjl+T5syHQ9U7tTG/SJiTcQY6zGvtloM54a+p6oggD+EOubwIZ0Hkwy/WKWwBmbkHIxD6nW+zxCQmF/uAUze3P5TY5\n",
    "bLQMlQ49JJ8kCks06DR0fvbS6ydwi+EyNIIniYVbnmIZOt0+MfiWWWZAfnwrIizDuyPY3LAxEJijymeh4hg4ml9Xa+QIdL4gKAPz\n",
    "NMWzjyIS2w/9qKTdBQUGdYG8HBOdjfsyeZ8Wf/OLj5lCyYUqdQG3HAsF9madgh6EnU/K8eYvp9b/EQGQG0FUGhX86Ebt1+SrgLgP\n",
    "ohOQk5iKyQeKIYqQ46Cz1pixfHlQaauDzinQQUE/R+wx6sGUH34CAqZvsyLckW64yutdinefNZz9tvdEfPJFpEQnFOIn3ZZ39Hy3\n",
    "nMFZF0GAYLlyp0K/PXWfL8lDJ6EjBk7lkTtAaTdII8ChjRN7ZuTUKZqGJ7yKDqZBp/LUFgjZFZG5OTfGY86BTqWGMCCJ4xrwGBVm\n",
    "OQOdQwGl75k15NMjq2epvUA850RAY3QSGs0509Eov9HFM9YJRXnu50LQGb17TG3lcq50tB3knZOyzBBXQDDnRk2O4fu0Mdo/jmPm\n",
    "To1HIYdBkB3LyO+mJ0lF19t/CQQMXsdSlffQAnQ0uXnrCO4wkY5jC4w7Fo/mkqh9RTncYWllLvluIYy6eytNt1yKC6BgYzshspv+\n",
    "5VLp3tNdJo78rQFBcisqjc5cTX6c91yQa8ucbnusZCbfqjLKXgYBgBS8p37uoRooTEuqMDg3UFGBTltpKjjWQ7BGghUDLLLYjASl\n",
    "2Oare1tNQkPck4JvWHnnE/9yRooEsZrnLuTdCSTfKyIcz9Y4IXlPS70DOFMfPXkhLi8GiGo8+8tIP1h2AAARjnktc9Q9n7ygjlvi\n",
    "ZcQ8niivu+w57G4fLK4XR4zn2Q+EI8TOL9JANONpvRXffV2MIJKbDaIWz55C27vKfvlA/N59/of8GSw0xElGIy7w3ibmNH54RpRg\n",
    "aKyEh0HdISMK8IYGR4lke2wekYFhVt/1M9yTE4oyUYbowBP9iHJvfSYh5u5cvRaM3+CcP0R13Ucw/PV7LCDsgxeRZ+f0RG+xFyXC\n",
    "yQMwSEZlxA2ey5KKX0UPoglPzxarc8094gnv7aiSvvGQ0KAyxoZYxjtA+QyFLgushnWYEfsYuqAhMGtXNWr79aNNEPBCjOBpNMYz\n",
    "ilMQi3a2MfKUjcwyAOZ1wfCL6fjnz0NE29mkSpPzmMuFWK3T0ACPuyhisu6DBeWu5XkvREGdPaB6OpFpgWicez+rcBZjVAllcW+I\n",
    "NjoRY3ertZ9fAaJoTvsaESLhu9QDUpI7RuzMGDT6xaucIqJfTgCGsMnS5LjbaM2SsjdYY33vBRE05/deTZ0X0zQJ1OS6zMApIwln\n",
    "oAucTEF8zriqJtX2jSiI0zk7kx1o4FvjXmYsXVa5IILnbJQWu0/NiMCw9nOS/vK1oy+IKzoXoQddUYbAkHbdKh396ya5fGfS6G/O\n",
    "cALHNBqR2OH+gpifs8djAKWqC79KVI0pchSDTt4pyktOSBxqZkFc1zlp6wJlNz2eHR8dY1HWDNSyVxAjdbaJTPApBfZ+uGyJoIK4\n",
    "sHszxXTWljUgaXdPptPZq+kYiiqb3EMZ8XHn9Hjno5oRRJCPKogEOydJUB0g+UrZKIJ6joIItXOKqiWsUhBNdrfWzgkkJD2Y6o6P\n",
    "2LkxHraqP04QCQzxQ4YFsW5nq8ye7FV5Kx0+L1Clr0P039nkNKYTiMaeSNxjA1GFY/LS4HqMMRTEGJ7L516uAY4ohrRSQXzluX4i\n",
    "+VHWrVGHoN34hYLJ6deWZtQO8Py7B6I1T6xujtMJTLK+oWZzDbo0vxmWf1tGROn5+WpCv5qsXUHc6d0LNsdWv8mCIDskEU96tmXm\n",
    "Zh/5H4kWgVsIUBALevbGLeWs7oXRAsfI16ptC7IXBVGoZxfkMpzDbYhEPQF6O0tWYJ+zTOFOoKlaMGTyNwVxp+OzgmULXSXqASRB\n",
    "N0SPnv2FY/i0GNV0nIglPfFH9K35LogYPdtAP7CyrE1+1QjKKxviRG9wEvUffruGgkjJEyVmP8dTZQDC3BbiO8/l4MliClymDuDw\n",
    "IolY1fsW0gmgPLlUIur07HYtCMjw6xQEKGwaT0Gs6TjlTeMpv1yPwrte8wEWmTfE494bALPeL5J9XSlAcO9YVxA/ekIoK2h4nl8H\n",
    "pgroIWp2fKbn53P9R6zs2Zw59BNzAHMKETWb163ZZ05PwV4+TxFNPA59jTJzZlVgvGrfgpjos4V0BL8Shf3XJ/rrt1ubrOM9P91t\n",
    "xxJcuBEFfnbH5l24lYUeiIw+wcBZBbQgavgOMD5LtL8gunh8VnKqzvSJDTOiHogovvcUN/YR0xhcfweD2hRKur5KISFy+ezJnLJL\n",
    "hGReWRCTPD0rBBbnGGcaFvG7p1U5L0l6HmUfWOVRgcjcKcg4xPxPALG75+g2GThL28nD5w4ieu9N4yuD3sK/jSHS9Zww7m1MGP3R\n",
    "wlie5cahsRJQiE4+t8JSjIPruvmGLU3EBTC63YV8O3yGjqYFUclvLYisnuCQLyYJNiJOegKVqOxh4BfxxeeP5jVsExBKC6KKzwF0\n",
    "/dGzfI4g3vfEGlUQ+331ANcZ5XGqCuKWz30qaEXE+xAQo3wCHAhduMVcow+wpV1AQdz2uWpbc23Fq+Q+PPi/AOwhIAI=\n",
    "\"\"\",\n",
    "    \"delivery_h1.csv\": \"\"\"\n",
    "eNpFWTkOZTcOzH0WBeJOncYw0Magkxmgx4lvbzyJVY4+IelRFMni9v/368efv37/+WP9+OPv/69ff/z187//+U323rJ8XUKXL7+U\n",
    "LV1xKV82VCxfdqlc9j4ofNlYOcseC9k4LgK2oitnzVbeD8TnS4lVSy+VK+ZU4VTPRXLW/dU9CyorHnPVFW/JsOdLHyMNiKAf83uN\n",
    "Qnhtbg532yOUySwoRDLDA83xGPtEv0RyCcytV875s/QuObg7ZXeFstygb3euBe70JFU8B907LoiNvZA1hI4mg5YNB68IyBg5OowC\n",
    "8XG/UsTBl7lXvbUUrul6ak0bcdKh1qTnZHKN8mdDjjy4q/Z6SyWrhtLRaNk6j6ABigqqHB1UcfOzwBWtDvTdG87Wgt1W3N6G97Xz\n",
    "C76hcw1RuLV7tNUHfM/GS48s2Xf30MrHIN3x+fTESH4ScpwiN/j/+YzwsZW933nZMmLIHhXJtnFy2XAi2fEuEqBXLnrfhz3uLRe/\n",
    "n1lEBmFC+IqME4nY3C3Qj0hgCS4qQK9Ic+mAl26sKeVXyK8GeS6ELxFrDiUO1bxDe5xQlOxtg4MNBMR0zpvx1ChfDMoxSm/UDiEs\n",
    "Ru07zCsuw9bB3w1KcfD34FKufqbx4tpYVxzRUwLaD2r/QvhRAzEJqj8CbCMhY0BB0eRxBk6Se0RLGSsltJ8IQZLQfn7Wvewz8R31\n",
    "kxOAJCcASUH6kjldXwC9PIvaL2ingptUfxVYUPgL32vTnggqLXDvVm5CO+3DouGbTfbErjSk7zPinA0NHkQfOTosDuK/HGRGOTEs\n",
    "DnV/yP/0Enm757mwblygW7A0zqMXunEpJxUTEXTnvFeRenX3k0w31KOyvyvlkjJCquhIpDIKUhkFqSA9quQLriqFm6QhrcA9VSf4\n",
    "qI6BVaF/VRhY1ed1GmChyJB60++VjPlXFSlGbTxITeYmQ3GixK8aVWSBY/lF2/t2q4mCaghAarzB9xoC8Uedb3CoyJHE1GMkYg5W\n",
    "LzwLCFZHBNJAktQL4XtVoP7RsFtYaMCJNAKSRZLHIFgDRo4zK4kcr/lqFE2FNBfA95r02UP80URxpQkPyubmebFAC/YtKqfIvsj+\n",
    "IvhRlP5C+FFUDzGshQiqjQiqLaQGZQoMa/vENW3e0BOClCDWRgLTPlDx2ZPZ9cvAg4dDEx+DJAeFkB4C7eCOgzCnp+FsB0a2jTrC\n",
    "tpDSEdT2vMK2cylGO7ZzxDPmYdvwU9vQkwn8yASliolyDVcIHMkElYpJcq3WcIOiTJDpTafYMpWpl+2i+a1NMW060do0RsN2a+l3\n",
    "CpWKaX/4eyRMYcY32PQahmxsRLMZahVDOjaDt5ohW5oh3ZsNGIzZ2Ahm80ln5ga2Th1dMD/qC3hvlzd4kzpTu1lMyrHgDYGIZIGM\n",
    "acSzxWfpq4fI9b6knQMh1QIlryUqFmNRbanglkg7lvSljCVzRSYUnDVVguXEDEtauibmWQmXUJNaTVFn5ZCuJuYZymorQM6Kvlpn\n",
    "TiEt2y2q715PU2aNvsPacSomPlvTkZo66oZgTbgdXHBohIMLDqKSnala7JbUbynJoiDHafjsxfN3zpmZ/cvMb2kc1bdxD0nB96Qd\n",
    "38mlmprBd4PFhFWXkd8JZRfo3wVAcHlR2yVwHDBwgfh+W+JHndG2K/irrHMDniuikQPJrojaroGlHAl1+j5XaMf1TNzzm5Tvmk3R\n",
    "6IZI5MSxm3MNBnAbB3JDXeEGELid1W/ttsb3BgcI3AEz9xkauE/h4g4NeUIHXliCgzqTsl8U35uCFgiAzNkbO2HsAQvH9B0etfoR\n",
    "iKUeU/h6oqvxRCx1gtjTIGSSf8IEmfy0oOYEBjwPdFq8oqY08lIu2ZtEeDkeWhNLvfCAqhcFvPgAdsbe0xd4o2rxVlKGTaRMb5SO\n",
    "3vChLrC9tfX7EsWp37R8CfgQIOwHHnp8naeBA+kPIpyfwqme/OIEcOzhHltmMzjViv2KrtjjPgH4xs6nt0BZHZhoxSZvQZYJtsRB\n",
    "+AYycQjgFRxphbwUEFI4NAVjsCMO3ZBYEZ1DYdlQ45rzi/GdUIivUH2wqA4d5wyD54Rh8BTGC8wGEGHwnTBcYAhvwbY4rL/0I5ec\n",
    "1imcVzj17/D/cFuz6SCQh8Mx9YgL4Ef1uEE4yvZAYxw3D99joViCCcJ5PN5YKiKxh8FQBAJExMFFSRtfAD9KYcacFBmJ0VMAv5GJ\n",
    "PbhQolCJRCUUNfCKmkIoCuiKMuwBXcHOOGo8qGoK4ihqh41xNLTTM5WIpoOipg70xdEod6MToja1301q8lcc1ChxkOHjoKeJYxPG\n",
    "4+CGExPK4iC8xcHkL86MzYJTrdwAQW5gLJGBc4/6cwNiuYOn8ITcKORyN7mNh6bs1+AmO+MU8Bdk+BRYICXe21PQeqfUQ1sKMJYC\n",
    "/0wdAyc641SwZ2OcCoQlB9OpUFBqcbfnJg620lChJErptOma0iY/JhGchhorjfLb5Pj8F8FpY+J0lOrpVJBPgE7H2DLZF6fzBU4L\n",
    "OIrQdFqAs60MeFHGpIAMPCFQrGdMmZgxCMtAO5NR+K7xHaJ05iYFBGfiATkZJtNHszkpIBM1aHI0nYnRcTL/5p1t3V3k3ywdx887\n",
    "3LofsIjOooIKZVxWcQ0pMlFGJ4fT2TMeylbsoQ/Inn4sO3g8cWrSTDZCUDYVdDakPYjReZAjk5Pp5HwrDzDA0XSyjM6DOjTPPKD2\n",
    "BoEiqDCarm0gxgK1p4arjdlQ7cLSRIgCfotJuGT8vwQJpmQSTInzFMYGxW64pPBlv4eVTCdZCniVjm8WptJF/JY6jkN2TX5XPNWk\n",
    "JgWXTXQow+Cy+NdSGVRjGOuWYXBWNvmrbKJPWeP4YLecwjuSY6ENLgd3dsHlwVP5atryGRSUozYsh26QeosDrQoMhSqonPABf8X4\n",
    "TXGiVUBuRfMUlJNAViVifwG5hdRbidhfidhWCeXc7vctAVeVSC7F0rlq0mOx/a1CgVUF69bEhiJwq4qn4DsF10TyrZ7AUE31NHJj\n",
    "NV2zA+cTHKCd7gk31e8vyTp7id5YXQetUR0lhbhQh/xv7XyZMPnWAbJYPBdg24Bt75G/t75OoYHaRuncGxPF3mDee5ynOcfqPcZt\n",
    "/J3UMnmxBTOmFnAnbFvg+D3/J/0DpZ50FA==\n",
    "\"\"\",\n",
    "    \"delivery_h2.csv\": \"\"\"\n",
    "eNo9WUkOBTsN3HOWXrg8xqdBSB8hNiB92HB79BKXd1YGD+Ux3f/+84+///nXf/7x/fG3//3n+/Nv//3nv/7xF8hBff7Zpc7nn1+q\n",
    "P31rKlxTfDaU7q59MZR/9l0i9kJ+OlR9+jbPF4/or96eyadfXApzyvQ7Hy5l1M38y7cZ5GpJSVafzbEzaljPef8ZcAl8+Y67jhZu\n",
    "c9p9RPty9+ReUYwf8myaHQtP4Dt3M5Q4hc358F1adGK1jxoN4+yxnqVcdBKEIvWrt7nop3/+6aVWQOZeKPLNQ/Pyh8/drRVRGJNL\n",
    "eaxsoCr/YpaCS0Soiv6qQz2KFhyh8AMKOrTg/Bzwlvyrp8+JvZCMs1N79SfhUf29Y70GNHihlca37Zp/5ynX8dVQuWs1zuozmncP\n",
    "Ci0yxrdg4G3Rbwh6ocXfzZZ44dSSy6Ieai2HhwahhkxgNkA50O/tTYQ2GEKNGNMa+VRu/JjHpSbBGj2EyuiihL+V7m0le530aiX6\n",
    "rblU7c0zRmtTCZNhYRiJpiTsO++4OWGzGKuNylvtHqOzbdm7DDOf6tCuEzPtRuDcX0C1x2jD9G1f5Z3p1d6zGTL2BLii5Bk2kdbh\n",
    "1CuCvo6ceO2o3T1Thjqm+nT+1NdLUf9U8kijaumjRwYj4KbvJYqScopbZxOymurWRfZF9Mv2kBPNm7tXYq13q4ZrHZpeC/9hfesD\n",
    "qn2UOm769vHdpQdu9l6CoX/OXmxebIZnb+y3TnZ2G5VsHx7N1OpcFvVypac8d4/6EJF3CCIT/RDR3bXLCyJT3CDyihtEcpdeYYDI\n",
    "hCdE+rsrkOdwCKa5QKDXIxCQO5wCEd/TAclDv9L59p5zIeghVF6PhCiGleqr2hB2Xog61bq5+9byKai1e9PbIdoj24R6GWisKS+Y\n",
    "LeW8EF//6jzEcq8WcbXDY80lFwp1LKWDsBt94xTgQTQ8d7Mo1A8xvvl7qVgJsRJiQQqjJjeF31qMsEgiGPWaAIQdGBKvu0BS5nxi\n",
    "/JLKQ2lLrY9vBl9mmdQo1w23AV+NsgeH23/vZoEalfJqMYrKdyn2WJJHUXydidbqIY6QALU9+krbb04i1+ME4QR1nBT+tfMP8iiG\n",
    "6WEY9bqgV0ArA+qm8NWsnWw7aHHn3mCWNQ3oHh4QIgR5PeYXxU86xLhCfCCxVL7B5AfHxBNuFl/iB9DPYIAWAONjQHkeNvEHMNGA\n",
    "eCUZwHgAqG/Okz/zGLrsFROZuC34nlfGEO4I/dZiMh+ae7eWOuNs6JpgrBUwmmBKJY0Yme9SUOrtw9c+q9tEARsXwCZG4UJfOKjk\n",
    "7cOXsPGFTxMAPKjiJjK8BhgnQv57BFzRIQQmptQhWKYRRuGxCAVDCJFEMuYVAMT5eihakOuEm8d3M5kGSCMw6VNkkAvRtGIgacLt\n",
    "xO9mk29NnqGwS2tDESP2YqBimNVaUEUAawXcXnx9fIS7ByPq6Ac8CDeTcTZOz2bCYaLh1GjCbgycJvrNloBmprWOrKYJvRD1QtQ5\n",
    "VQ/NWoemn3u6PVTmMQAV1jrdfqzyplGoOIkgkXvodnuonFFaZRJN8WZFKOgBZTdW2C75UuSOqXMKOkBBB+h9C/8IZbdXxXBV1jlV\n",
    "djNVfwreh/BbmSKhWt8wOJSjiw0fwlAj+5mkoTZdQI0pphYUvc1YbdWfdzDUCI7LsPDxrDr7pLo9ldmI1eM5XZ31R724d3aJsa/B\n",
    "uNFgD9CY+qBBtwbdGmQfOaGkUdxbvwaBT9Z/zQl8TTJPFgdNnxKoOS1ec4Z0aE7U5CFPdhedERpaoBGlU1e1OAVpsfZoxZ7LXaup\n",
    "OFq/2vPuNuPlsLzpmeqsh4F57FVd3bTVE0Tl5P2oAD2E5yz6twFf4c24bwyvJvfesGwfy5vtXTdptYubjJse8E1YdUzwDTHcTexN\n",
    "6jBhWTNhXNrN2bhULXVmyjChAMwTCYaJe3uvXxiMC5wd7Obso5KbNd4yztCGGU5se68pvWuqu2ZL8QVgyunKNGcaNR30TTkfmlJ9\n",
    "WwnG0DdjWTBbCfZeMDALQmD5XmMwm+Qyew9smNGCO0PfQ87pwVypo9tvMLvcfF3gwbu5Nzg9mM8jFXbb770aMvbFirjZ+yimgMVK\n",
    "4GcsWKyI+w5+7OiGmOJj230tF6TkiGVp0+Is3zsellMh7KbwJWrS23JjKDn/WLEAWYFeq6kRVrbHWPutiFExjGohKlZnK1Y4O+uG\n",
    "g11TAnimxNmhlw+LhB0WCWMS2zk0+PAlY0xiY+e1VtrZ9sqA9erfMYHSfKhaz/xmfahX97voMtxd6GGXaewuk2UubOwu850ALtTe\n",
    "pciLJcjZeR0z+zhAYmqEM4d9+66DndGRS9Xucrx1cC7x+xTWSw06ru8bIlw5oLuyA7iygjq/YsG1lgf969qkbLqAG1/yfj9DX4JJ\n",
    "7HwKu60JRvydSex2Rsf7Efqqti9h9+kA7kpB8xkavinszirkPvHpXhTknE3cm+nv+xL2oA/YgT3og5jwdHZgj1U/ODx4nN9U+bgy\n",
    "ATyZAM6HsCcnN0/bTedm7M0NoSRCeRhfuT6uKUJe1L/4gvFio/HNYK/YXUJUfMh7nb2wFhz5mXUp7BqT4BAifoiG7/TsZwY4Pxul\n",
    "5/Ai27C3fEOwxnlzxPJ+I5Y3I4gJ7J17hvD0+V7YNJUPmfgMIfMQ3U1bypeKYRsy2ofUXmUGhPSYG+AbL3Z8DjBGA/MnBrGfswK/\n",
    "70GXoAmBMSFwpgwHWOJCOUqEYqmVoEYmOhiFBgmOuHGfwXqptUE3C4JpHDeN3xI/14TNqBW2Jth4ITaNw2rgYhqH9Xz9iG3GsR+0\n",
    "whmlwYdw+PuajvDYU8mlGonONhY+j9TYHI4AlyaHI5gCEZxVImIpziqxr+AIlokIDruRQmUTu/amrch1QPJbUCQLaSS/pUTW7hKh\n",
    "naaj+MU1CkvpmHz/Jt2b5XRKbZy+r1n/B5CuGbA=\n",
    "\"\"\",\n",
    "}\n",
    "os.makedirs(\"data\", exist_ok=True)\n",
    "for _name, _packed in _DATA.items():\n",
    "    with open(os.path.join(\"data\", _name), \"wb\") as _f:\n",
    "        _f.write(zlib.decompress(base64.b64decode(_packed)))\n",
    "print(\"Файлы данных:\", \", \".join(sorted(_DATA)))\n",
    "\n",
    "# ─── Проверка упражнений: тот же раннер, что у задач на сайте ───\n",
    "# ─── Запуск тестов ───────────────────────────────────────────────────────────\n",
    "\n",
    "_TIMEOUT = 2.0  # секунд на тест; отдельный тест может задать свой: test_x.timeout = 10\n",
    "\n",
    "\n",
    "def _call_with_timeout(target, seconds: float) -> bool:\n",
    "    \"\"\"Запускает target() в отдельном потоке. Возвращает False, если за seconds он не завершился.\"\"\"\n",
    "    import sys\n",
    "    import threading\n",
    "\n",
    "    if sys.platform == \"emscripten\":  # Python в браузере: потоков нет, таймаут обеспечивает страница\n",
    "        target()\n",
    "        return True\n",
    "    # Большой стек нужен, чтобы глубокая рекурсия давала RecursionError, а не аварийное завершение Python.\n",
    "    for megabytes in (256, 64, 0):\n",
    "        try:\n",
    "            threading.stack_size(megabytes * 1024 * 1024)\n",
    "            worker = threading.Thread(target=target, daemon=True)\n",
    "            worker.start()\n",
    "        except (ValueError, RuntimeError, MemoryError):\n",
    "            continue\n",
    "        worker.join(seconds)\n",
    "        return not worker.is_alive()\n",
    "    target()  # потоки недоступны — запускаем без таймаута\n",
    "    return True\n",
    "\n",
    "\n",
    "def _test_info(fn) -> dict:\n",
    "    \"\"\"Описание теста, его лимит времени и сообщение на случай зависания.\"\"\"\n",
    "    limit = getattr(fn, \"timeout\", _TIMEOUT)\n",
    "    hint = getattr(fn, \"timeout_hint\", \"\")\n",
    "    message = (\n",
    "        f\"тест не завершился за {limit:g} с — возможно, бесконечный цикл или рекурсия: \"\n",
    "        \"проверьте, что границы/аргументы изменяются на каждом шаге\" + (f\". {hint}\" if hint else \"\")\n",
    "    )\n",
    "    return {\"title\": (fn.__doc__ or fn.__name__).strip(), \"timeout\": limit, \"timeout_message\": message}\n",
    "\n",
    "\n",
    "def _error_result(title: str, error: BaseException, user_file: str | None) -> dict:\n",
    "    \"\"\"Результат упавшего теста: статус, сообщение, тип исключения и строка в коде решения.\"\"\"\n",
    "    line = None\n",
    "    if user_file:  # самый глубокий кадр в коде решения; ошибка внутри самих тестов — без номера строки\n",
    "        tb = error.__traceback__\n",
    "        while tb is not None:\n",
    "            if tb.tb_frame.f_code.co_filename == user_file:\n",
    "                line = tb.tb_lineno\n",
    "            tb = tb.tb_next\n",
    "    status, message = \"error\", f\"{type(error).__name__}: {error}\"\n",
    "    if isinstance(error, NotImplementedError):\n",
    "        status, message, line = \"not_written\", \"функция ещё не написана\", None\n",
    "    elif isinstance(error, AssertionError):\n",
    "        status, message = \"failed\", str(error) or \"проверка не прошла\"\n",
    "    elif isinstance(error, RecursionError):\n",
    "        message = \"RecursionError: слишком глубокая рекурсия — проверьте базовый случай и то, что задача уменьшается\"\n",
    "    elif isinstance(error, MemoryError) or (isinstance(error, OverflowError) and \"index-sized\" in str(error)):\n",
    "        message = f\"{type(error).__name__}: не хватило памяти — возможно, создаётся слишком большая структура данных\"\n",
    "    return {\"title\": title, \"status\": status, \"message\": message, \"error_type\": type(error).__name__, \"line\": line}\n",
    "\n",
    "\n",
    "def _run_tests(verbose: bool = True, on_start=None, on_result=None, user_file: str | None = None) -> list[dict]:\n",
    "    \"\"\"Запускает тесты задачи (_TESTS — функции из tests.py) по порядку, каждый — с таймаутом.\n",
    "\n",
    "    Возвращает список результатов: {\"title\", \"status\", \"message\", \"error_type\", \"line\"}, где status —\n",
    "    passed · failed · error · not_written · timeout · not_run. Если тест завис, при verbose=True печатает\n",
    "    итог и завершает процесс: зависший поток остановить нельзя. on_start(i) и on_result(i, результат)\n",
    "    вызываются по мере выполнения; user_file — имя файла с кодом решения для номеров строк в ошибках.\n",
    "    \"\"\"\n",
    "    import os\n",
    "    import sys\n",
    "\n",
    "    if verbose:\n",
    "        try:  # ✓ и кириллица в консоли Windows со старой кодировкой\n",
    "            sys.stdout.reconfigure(encoding=\"utf-8\")\n",
    "        except Exception:  # noqa: BLE001 — reconfigure может не быть (перенаправленный вывод, браузер)\n",
    "            pass\n",
    "\n",
    "    tests = list(_TESTS)\n",
    "    results: list[dict] = []\n",
    "    not_written = hung = False\n",
    "    for index, fn in enumerate(tests):\n",
    "        info = _test_info(fn)\n",
    "        outcome: dict = {}\n",
    "\n",
    "        def target(fn=fn, outcome=outcome):\n",
    "            try:\n",
    "                fn()\n",
    "            except BaseException as e:\n",
    "                outcome[\"error\"] = e\n",
    "\n",
    "        if on_start:\n",
    "            on_start(index)\n",
    "        if not _call_with_timeout(target, info[\"timeout\"]):\n",
    "            results.append({\"title\": info[\"title\"], \"status\": \"timeout\", \"message\": info[\"timeout_message\"], \"error_type\": None, \"line\": None})\n",
    "            for other in tests[index + 1:]:\n",
    "                results.append({\"title\": _test_info(other)[\"title\"], \"status\": \"not_run\", \"message\": \"не запускался: предыдущий тест завис\", \"error_type\": None, \"line\": None})\n",
    "            hung = True\n",
    "            break\n",
    "        error = outcome.get(\"error\")\n",
    "        if error is None:\n",
    "            result = {\"title\": info[\"title\"], \"status\": \"passed\", \"message\": \"\", \"error_type\": None, \"line\": None}\n",
    "        else:\n",
    "            result = _error_result(info[\"title\"], error, user_file)\n",
    "            not_written = not_written or result[\"status\"] == \"not_written\"\n",
    "        results.append(result)\n",
    "        if on_result:\n",
    "            on_result(index, result)\n",
    "\n",
    "    if not_written:  # пока функция не написана, «даром» пройденные тесты не засчитываются\n",
    "        for r in results:\n",
    "            if r[\"status\"] == \"passed\":\n",
    "                r.update(status=\"not_written\", message=\"не засчитан, пока функция не написана\")\n",
    "    for r in results:\n",
    "        if len(r[\"message\"]) > 300:\n",
    "            r[\"message\"] = r[\"message\"][:300] + \"…\"\n",
    "\n",
    "    if verbose:\n",
    "        if not_written:\n",
    "            print(\"Функция ещё не написана — замените raise NotImplementedError своим кодом.\\n\")\n",
    "        for r in results:\n",
    "            mark = {\"passed\": \"✓\", \"not_run\": \"–\"}.get(r[\"status\"], \"✗\")\n",
    "            print(f\"{mark} {r['title']}\")\n",
    "            if r[\"message\"]:\n",
    "                print(f\"    {r['message']}\")\n",
    "        passed = sum(r[\"status\"] == \"passed\" for r in results)\n",
    "        print(\"─\" * 40)\n",
    "        print(f\"Прошло {passed} из {len(results)}\" + (\" — всё верно!\" if passed == len(results) else \"\"))\n",
    "        if hung:\n",
    "            print(\"Выполнение остановлено: один из тестов завис.\")\n",
    "            sys.stdout.flush()\n",
    "            os._exit(1)\n",
    "    return results\n",
    "\n",
    "\n",
    "def _check(*tests, names=()):\n",
    "    \"\"\"Запускает проверки упражнения и печатает ✓ / ✗ и итог — как на сайте.\"\"\"\n",
    "    for name in names:\n",
    "        if \".\" in name:  # «Класс.метод» из заготовки: класс должен быть объявлен\n",
    "            if not isinstance(globals().get(name.split(\".\")[0]), type):\n",
    "                print(f\"✗ класс {name.split('.')[0]} не объявлен — выполните ячейку упражнения\")\n",
    "                return\n",
    "            continue\n",
    "        if name not in globals():\n",
    "            print(f\"✗ переменная {name} не создана — выполните ячейку упражнения\")\n",
    "            return\n",
    "        if globals()[name] is Ellipsis:\n",
    "            print(f\"✗ {name} пока равна ... — замените многоточие своим кодом\")\n",
    "            return\n",
    "    globals()[\"_TESTS\"] = list(tests)\n",
    "    _run_tests()"
   ],
   "execution_count": null,
   "outputs": [],
   "id": "setup"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "Итоговый проект курса. У интернет-магазина «Кофейная лавка» — все продажи за 2025 год: файл\n",
    "`data/shop_orders.csv`, 2448 строк. Владелец хочет понять, сколько магазин заработал и на чём. Ответим только\n",
    "средствами NumPy — всем, что изучили за курс, и одним новым приёмом: суммами по группам. А в конце разберём\n",
    "выгрузку службы доставки — с пропусками, как это бывает в жизни."
   ],
   "id": "text-11"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "# Файл продаж\n",
    "with open(\"data/shop_orders.csv\") as f:\n",
    "    lines = f.read().splitlines()\n",
    "print(len(lines) - 1, \"строк\")\n",
    "for line in lines[:4]:\n",
    "    print(line)"
   ],
   "execution_count": null,
   "outputs": [],
   "id": "peek"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "Одна строка — один товар в заказе: номер заказа, дата, покупатель, город, канал продажи (сайт, приложение,\n",
    "маркетплейс), категория, товар, цена за штуку и количество. В одном заказе может быть несколько строк.\n",
    "\n",
    "## Шаг 1. Выручка и средний чек\n",
    "\n",
    "Числовые столбцы загружает знакомый `np.loadtxt` с `usecols=` — можно передать несколько номеров сразу.\n",
    "Текстовые столбцы он тоже умеет читать, если сказать `dtype=str`: получится массив строк."
   ],
   "id": "text-18"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Упражнение 1. Выручка за год\n",
    "\n",
    "Загрузите цену (столбец 7) и количество (столбец 8) и сохраните в `revenue` выручку каждой строки, а в `total` —\n",
    "выручку за год. Затем загрузите номера заказов (столбец 0) и сохраните в `n_orders` число **разных** заказов,\n",
    "а в `avg_check` — средний чек: выручка за год на один заказ.\n",
    "\n",
    "<details><summary>Подсказка 1</summary>\n",
    "\n",
    "`np.loadtxt(путь, delimiter=\",\", skiprows=1, usecols=(7, 8))` — таблица из двух столбцов.\n",
    "\n",
    "</details>\n",
    "<details><summary>Подсказка 2</summary>\n",
    "\n",
    "Разные заказы — `np.unique(номера)`; их число — `len` или `.size`.\n",
    "\n",
    "</details>"
   ],
   "id": "totals-task"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "import numpy as np\n",
    "\n",
    "path = \"data/shop_orders.csv\"\n",
    "revenue = ...\n",
    "total = ...\n",
    "n_orders = ...\n",
    "avg_check = ..."
   ],
   "execution_count": null,
   "outputs": [],
   "id": "totals"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "# Проверка упражнения 1 — выполните после своего решения\n",
    "def test_revenue():\n",
    "    \"revenue — выручка каждой строки\"\n",
    "    assert isinstance(revenue, np.ndarray), f\"revenue — это {type(revenue).__name__}, а нужен массив: цена × количество\"\n",
    "    assert revenue.shape == (2448,), f\"у revenue форма {revenue.shape}, а строк в файле 2448\"\n",
    "    assert revenue[0] == 6400, f\"revenue[0] = {revenue[0]}, а в первой строке должно быть 6400: проверьте столбцы цены и количества\"\n",
    "\n",
    "\n",
    "def test_total():\n",
    "    \"total — выручка за год\"\n",
    "    assert total == 3301420, f\"total = {total} — это не сумма выручки всех строк\"\n",
    "\n",
    "\n",
    "def test_orders():\n",
    "    \"n_orders и avg_check — заказы и средний чек\"\n",
    "    assert n_orders != 2448, \"2448 — число строк; в заказе бывает несколько товаров: считайте уникальные номера\"\n",
    "    assert n_orders == 1576, f\"n_orders = {n_orders} — это не число разных заказов\"\n",
    "    assert abs(avg_check - 2094.809645) < 1e-5, f\"avg_check = {avg_check} — это не средний чек: выручка года на один заказ\"\n",
    "\n",
    "_check(test_revenue, test_total, test_orders, names=[\"revenue\",\"total\",\"n_orders\",\"avg_check\"])"
   ],
   "execution_count": null,
   "outputs": [],
   "id": "totals-check"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<details><summary>Решение</summary>\n",
    "\n",
    "```python\n",
    "import numpy as np\n",
    "\n",
    "path = \"data/shop_orders.csv\"\n",
    "nums = np.loadtxt(path, delimiter=\",\", skiprows=1, usecols=(7, 8))\n",
    "revenue = nums[:, 0] * nums[:, 1]\n",
    "total = revenue.sum()\n",
    "order_ids = np.loadtxt(path, delimiter=\",\", skiprows=1, usecols=0)\n",
    "n_orders = len(np.unique(order_ids))\n",
    "avg_check = total / n_orders\n",
    "```\n",
    "\n",
    "</details>"
   ],
   "id": "totals-solution"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "> **Типичная ошибка: строк больше, чем заказов.**\n",
    ">\n",
    "> `len(revenue)` — это 2448 строк, а не заказов: в заказе бывает несколько товаров. Средний чек на строку\n",
    "> получится меньше настоящего. Заказы считают по уникальным номерам."
   ],
   "id": "component-36"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Шаг 2. Суммы по группам\n",
    "\n",
    "Сколько принесла каждая категория? Можно пройтись по категориям циклом и складывать выручку по маске. Но есть\n",
    "приём без цикла из двух шагов.\n",
    "\n",
    "**Коды групп.** `np.unique(a, return_inverse=True)` возвращает не только уникальные значения, но и второй\n",
    "массив — для каждого элемента `a` номер его значения среди уникальных. Так текст превращается в целые коды:"
   ],
   "id": "text-40"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "# Категории → коды\n",
    "sample = np.array([\"чай\", \"кофе\", \"чай\", \"какао\", \"кофе\"])\n",
    "names, codes = np.unique(sample, return_inverse=True)\n",
    "print(names)\n",
    "print(codes)\n",
    "print(names[codes])       # коды → обратно в названия"
   ],
   "execution_count": null,
   "outputs": [],
   "id": "inverse"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "**Суммы по кодам.** `np.bincount` из модуля о случайных числах считает, сколько раз встретился каждый код. С\n",
    "параметром `weights=` он вместо единиц складывает **веса**: `np.bincount(codes, weights=revenue)` — сумма\n",
    "выручки по каждому коду. Порядок сумм — порядок уникальных названий:"
   ],
   "id": "text-50"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "# bincount с весами\n",
    "amounts = np.array([100, 250, 50, 80, 300])    # суммы тех же пяти покупок из sample\n",
    "print(np.bincount(codes))\n",
    "print(np.bincount(codes, weights=amounts))"
   ],
   "execution_count": null,
   "outputs": [],
   "id": "weights"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Упражнение 2. Выручка по категориям\n",
    "\n",
    "Загрузите столбец категорий (5) в `category`. Сохраните в `cat_names` названия категорий, в `cat_revenue` —\n",
    "выручку каждой категории, а в `cat_share` — долю каждой категории в выручке года.\n",
    "\n",
    "<details><summary>Подсказка 1</summary>\n",
    "\n",
    "`cat_names, cat_codes = np.unique(category, return_inverse=True)`.\n",
    "\n",
    "</details>\n",
    "<details><summary>Подсказка 2</summary>\n",
    "\n",
    "`np.bincount(cat_codes, weights=revenue)`; доля — делим на сумму.\n",
    "\n",
    "</details>"
   ],
   "id": "categories-task"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "category = ...\n",
    "cat_names = ...\n",
    "cat_revenue = ...\n",
    "cat_share = ..."
   ],
   "execution_count": null,
   "outputs": [],
   "id": "categories"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "# Проверка упражнения 2 — выполните после своего решения\n",
    "def test_names():\n",
    "    \"cat_names — пять категорий\"\n",
    "    assert isinstance(category, np.ndarray) and category.shape == (2448,), \"category — это должен быть столбец категорий, прочитанный как текст\"\n",
    "    assert list(cat_names) == [\"Аксессуары\", \"Кофе\", \"Посуда\", \"Сладости\", \"Чай\"], f\"cat_names = {list(cat_names)}\"\n",
    "\n",
    "\n",
    "def test_revenue():\n",
    "    \"cat_revenue — выручка категорий\"\n",
    "    assert isinstance(cat_revenue, np.ndarray) and cat_revenue.shape == (5,), \"cat_revenue — пять сумм, по категории\"\n",
    "    assert cat_revenue.tolist() != [108, 975, 183, 500, 682], \"это количества строк, а нужна выручка: вспомните параметр weights\"\n",
    "    assert cat_revenue.tolist() == [173500, 1914440, 385640, 220190, 607650], f\"cat_revenue = {cat_revenue.tolist()}\"\n",
    "\n",
    "\n",
    "def test_share():\n",
    "    \"cat_share — доли категорий\"\n",
    "    assert np.shape(cat_share) == (5,), \"cat_share — пять долей\"\n",
    "    assert abs(cat_share.sum() - 1) < 1e-9, f\"доли в сумме {cat_share.sum()}, а должны давать 1: делите на выручку всех категорий\"\n",
    "    assert abs(cat_share[1] - 0.579884) < 1e-5, f\"доля кофе — {cat_share[1]:.4f} — это не доля выручки кофе\"\n",
    "\n",
    "_check(test_names, test_revenue, test_share, names=[\"category\",\"cat_names\",\"cat_revenue\",\"cat_share\"])"
   ],
   "execution_count": null,
   "outputs": [],
   "id": "categories-check"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<details><summary>Решение</summary>\n",
    "\n",
    "```python\n",
    "category = np.loadtxt(path, delimiter=\",\", skiprows=1, usecols=5, dtype=str)\n",
    "cat_names, cat_codes = np.unique(category, return_inverse=True)\n",
    "cat_revenue = np.bincount(cat_codes, weights=revenue)\n",
    "cat_share = cat_revenue / cat_revenue.sum()\n",
    "```\n",
    "\n",
    "</details>"
   ],
   "id": "categories-solution"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "*После решения упражнения выше:*\n",
    "\n",
    "Кофе — больше половины выручки (58 %), чай — ещё 18 %."
   ],
   "id": "component-65"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "**Вопрос.** Что выведет `print(np.bincount(np.array([0, 2, 0]), weights=np.array([5.0, 1.0, 3.0])))`?\n",
    "\n",
    "- `[2. 0. 1.]`\n",
    "- `[8. 0. 1.]`\n",
    "- `[5. 0. 4.]`\n",
    "\n",
    "<details><summary>Ответ</summary>\n",
    "\n",
    "`[8. 0. 1.]`\n",
    "\n",
    "Код 0 встретился дважды, с весами 5 и 3 — сумма 8; кода 1 нет — 0; код 2 — один раз с весом 1. Без `weights` получилось бы `[2 0 1]` — просто количества.\n",
    "\n",
    "</details>"
   ],
   "id": "quiz-69"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Шаг 3. Лучшие и худшие товары"
   ],
   "id": "text-78"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Упражнение 3. Пятёрка лидеров\n",
    "\n",
    "Загрузите столбец товаров (6) и сохраните в `top5` названия пяти товаров с наибольшей выручкой — от первого\n",
    "места к пятому, а в `worst` — название товара с наименьшей выручкой.\n",
    "\n",
    "<details><summary>Подсказка 1</summary>\n",
    "\n",
    "Коды и суммы — как в шаге 2: `np.unique(…, return_inverse=True)` и `np.bincount(…, weights=revenue)`.\n",
    "\n",
    "</details>\n",
    "<details><summary>Подсказка 2</summary>\n",
    "\n",
    "`np.argsort(суммы)[::-1][:5]` — номера лидеров; названия — `names[номера]`.\n",
    "\n",
    "</details>"
   ],
   "id": "products-task"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "top5 = ...\n",
    "worst = ..."
   ],
   "execution_count": null,
   "outputs": [],
   "id": "products"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "# Проверка упражнения 3 — выполните после своего решения\n",
    "def test_top():\n",
    "    \"top5 — пять товаров с наибольшей выручкой\"\n",
    "    assert len(top5) == 5, f\"в top5 {len(top5)} названий, а нужно пять\"\n",
    "    got = [str(x) for x in top5]\n",
    "    assert got != [\"Фильтры бумажные\", \"Печенье овсяное\", \"Шоколад горький\", \"Термокружка\", \"Зефир\"], \"это пять худших: argsort упорядочивает по возрастанию\"\n",
    "    assert got == [\"Эфиопия 250 г\", \"Бразилия 1 кг\", \"Эспрессо-смесь 1 кг\", \"Колумбия 250 г\", \"Кофе без кофеина 250 г\"], (\n",
    "        f\"top5 = {got}: сортируйте товары по выручке, от большей к меньшей\"\n",
    "    )\n",
    "\n",
    "\n",
    "def test_worst():\n",
    "    \"worst — товар с наименьшей выручкой\"\n",
    "    assert str(worst) == \"Фильтры бумажные\", f\"worst = {worst} — это не товар с наименьшей выручкой\"\n",
    "\n",
    "_check(test_top, test_worst, names=[\"top5\",\"worst\"])"
   ],
   "execution_count": null,
   "outputs": [],
   "id": "products-check"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<details><summary>Решение</summary>\n",
    "\n",
    "```python\n",
    "product = np.loadtxt(path, delimiter=\",\", skiprows=1, usecols=6, dtype=str)\n",
    "prod_names, prod_codes = np.unique(product, return_inverse=True)\n",
    "prod_revenue = np.bincount(prod_codes, weights=revenue)\n",
    "top5 = prod_names[np.argsort(prod_revenue)[::-1][:5]]\n",
    "worst = prod_names[prod_revenue.argmin()]\n",
    "```\n",
    "\n",
    "</details>"
   ],
   "id": "products-solution"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Шаг 4. Города"
   ],
   "id": "text-88"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Упражнение 4. Выручка по городам\n",
    "\n",
    "Загрузите столбец городов (3) и сохраните в `city_names` названия, в `city_revenue` — выручку каждого города,\n",
    "а в `moscow_share` — долю Москвы в выручке года.\n",
    "\n",
    "<details><summary>Подсказка 1</summary>\n",
    "\n",
    "Номер Москвы среди `city_names` можно найти маской: `city_revenue[city_names == \"Москва\"]` — массив из одного числа; возьмите `[0]`.\n",
    "\n",
    "</details>"
   ],
   "id": "cities-task"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "city_names = ...\n",
    "city_revenue = ...\n",
    "moscow_share = ..."
   ],
   "execution_count": null,
   "outputs": [],
   "id": "cities"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "# Проверка упражнения 4 — выполните после своего решения\n",
    "def test_cities():\n",
    "    \"city_names и city_revenue — выручка городов\"\n",
    "    assert [str(x) for x in city_names] == [\"Екатеринбург\", \"Казань\", \"Москва\", \"Новосибирск\", \"Санкт-Петербург\"], \"city_names — это должны быть уникальные города\"\n",
    "    assert np.shape(city_revenue) == (5,), \"city_revenue — пять сумм\"\n",
    "    assert city_revenue.tolist() == [423350, 440150, 1310110, 324090, 803720], f\"city_revenue = {city_revenue.tolist()}: нужна выручка, а не число строк\"\n",
    "\n",
    "\n",
    "def test_moscow():\n",
    "    \"moscow_share — доля Москвы\"\n",
    "    assert np.shape(moscow_share) == (), \"moscow_share — массив, а нужно одно число\"\n",
    "    assert abs(moscow_share - 0.396832) < 1e-5, f\"moscow_share = {moscow_share} — это не доля Москвы в выручке года\"\n",
    "\n",
    "_check(test_cities, test_moscow, names=[\"city_names\",\"city_revenue\",\"moscow_share\"])"
   ],
   "execution_count": null,
   "outputs": [],
   "id": "cities-check"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<details><summary>Решение</summary>\n",
    "\n",
    "```python\n",
    "city = np.loadtxt(path, delimiter=\",\", skiprows=1, usecols=3, dtype=str)\n",
    "city_names, city_codes = np.unique(city, return_inverse=True)\n",
    "city_revenue = np.bincount(city_codes, weights=revenue)\n",
    "moscow_share = city_revenue[city_names == \"Москва\"][0] / total\n",
    "```\n",
    "\n",
    "</details>"
   ],
   "id": "cities-solution"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Шаг 5. Грязная выгрузка: доставка\n",
    "\n",
    "Данные о продажах были чистыми. Так бывает не всегда. Служба доставки прислала свою выгрузку — двумя файлами,\n",
    "за первое и второе полугодие: `data/delivery_h1.csv` и `data/delivery_h2.csv`. В каждом по строке на заказ:\n",
    "номер заказа, срок доставки в днях и оценка покупателя от 1 до 5."
   ],
   "id": "text-97"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "# Выгрузка службы доставки\n",
    "with open(\"data/delivery_h1.csv\") as f:\n",
    "    lines = f.read().splitlines()\n",
    "print(len(lines) - 1, \"заказов в первом полугодии\")\n",
    "for line in lines[:6]:\n",
    "    print(line)"
   ],
   "execution_count": null,
   "outputs": [],
   "id": "peek-delivery"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "В файлах есть пустые поля: оценку ставят не все покупатели, а срок курьеры иногда не записывают. Это работа для\n",
    "приёмов из модуля о пропусках: `np.genfromtxt`, `np.isnan`, nan-функции, склейка массивов."
   ],
   "id": "text-105"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Упражнение 5. Собрать и оценить потери\n",
    "\n",
    "Загрузите оба файла и склейте их в одну таблицу `delivery` — сначала первое полугодие, потом второе. Сохраните\n",
    "в `gaps` число пропусков в каждом столбце, а в `avg_days` — средний срок доставки по заказам, где он известен.\n",
    "\n",
    "<details><summary>Подсказка 1</summary>\n",
    "\n",
    "Каждый файл — `np.genfromtxt(путь, delimiter=\",\", skip_header=1)`; друг под другом — `np.vstack([...])`.\n",
    "\n",
    "</details>\n",
    "<details><summary>Подсказка 2</summary>\n",
    "\n",
    "Пропуски по столбцам — `np.isnan(delivery).sum(axis=0)`; средний срок — `np.nanmean` столбца 1.\n",
    "\n",
    "</details>"
   ],
   "id": "delivery-task"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "delivery = ...\n",
    "gaps = ...\n",
    "avg_days = ..."
   ],
   "execution_count": null,
   "outputs": [],
   "id": "delivery"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "# Проверка упражнения 5 — выполните после своего решения\n",
    "def test_delivery():\n",
    "    \"delivery — все заказы года: 1576 × 3\"\n",
    "    assert isinstance(delivery, np.ndarray), f\"delivery — это {type(delivery).__name__}, а нужна таблица из двух файлов\"\n",
    "    assert delivery.shape != (1578, 3), \"в delivery 1578 строк: заголовки стали строками nan — пропустите их при чтении обоих файлов\"\n",
    "    assert delivery.shape != (816, 6), \"файлы склеены рядом; нужно друг под другом\"\n",
    "    assert delivery.shape == (1576, 3), f\"у delivery форма {delivery.shape}, а нужна (1576, 3): 816 заказов первого полугодия и 760 второго\"\n",
    "    assert delivery[0, 0] == 10001, \"delivery начинается не с первого полугодия: проверьте порядок\"\n",
    "    assert np.isnan(delivery).any(), \"в delivery нет пропусков: пропуски нужно сохранить, чтобы их посчитать\"\n",
    "\n",
    "\n",
    "def test_gaps():\n",
    "    \"gaps — пропуски по столбцам\"\n",
    "    assert np.shape(gaps) == (3,), f\"у gaps форма {np.shape(gaps)}, а столбцов три\"\n",
    "    assert gaps.tolist() == [0, 65, 552], f\"gaps = {gaps.tolist()} — это не число пропусков в каждом столбце\"\n",
    "\n",
    "\n",
    "def test_avg():\n",
    "    \"avg_days — средний срок доставки\"\n",
    "    assert not np.isnan(avg_days), \"avg_days = nan: обычный mean не пропускает пропуски — нужен np.nanmean\"\n",
    "    assert abs(avg_days - 4.293845) < 1e-5, f\"avg_days = {avg_days} — это не средний срок доставки по известным заказам\"\n",
    "\n",
    "_check(test_delivery, test_gaps, test_avg, names=[\"delivery\",\"gaps\",\"avg_days\"])"
   ],
   "execution_count": null,
   "outputs": [],
   "id": "delivery-check"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<details><summary>Решение</summary>\n",
    "\n",
    "```python\n",
    "h1 = np.genfromtxt(\"data/delivery_h1.csv\", delimiter=\",\", skip_header=1)\n",
    "h2 = np.genfromtxt(\"data/delivery_h2.csv\", delimiter=\",\", skip_header=1)\n",
    "delivery = np.vstack([h1, h2])\n",
    "gaps = np.isnan(delivery).sum(axis=0)\n",
    "avg_days = np.nanmean(delivery[:, 1])\n",
    "```\n",
    "\n",
    "</details>"
   ],
   "id": "delivery-solution"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "*После решения упражнения выше:*\n",
    "\n",
    "Оценок нет у трети заказов, срока — у 65. Выбрасывать такие строки целиком жалко: срок известен почти везде.\n",
    "Поэтому каждый вопрос считаем по тем строкам, где есть нужное для него значение."
   ],
   "id": "component-117"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Упражнение 6. Опоздания и оценки\n",
    "\n",
    "Сохраните в `late_share` долю заказов, которые везли дольше 5 дней, — среди заказов с **известным** сроком.\n",
    "В `avg_rating` — среднюю оценку среди поставленных. В `fast_rating` и `slow_rating` — среднюю оценку заказов,\n",
    "доставленных за 3 дня и быстрее, и заказов, которые везли дольше 5 дней.\n",
    "\n",
    "<details><summary>Подсказка 1</summary>\n",
    "\n",
    "Известные сроки — `days[~np.isnan(days)]`; доля — среднее маски `> 5` по ним.\n",
    "\n",
    "</details>\n",
    "<details><summary>Подсказка 2</summary>\n",
    "\n",
    "Оценки быстрых заказов — `rating[days <= 3]`, в них остались пропуски: среднюю считает `np.nanmean`.\n",
    "\n",
    "</details>"
   ],
   "id": "quality-task"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "days = delivery[:, 1]\n",
    "rating = delivery[:, 2]\n",
    "late_share = ...\n",
    "avg_rating = ...\n",
    "fast_rating = ...\n",
    "slow_rating = ..."
   ],
   "execution_count": null,
   "outputs": [],
   "id": "quality"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "# Проверка упражнения 6 — выполните после своего решения\n",
    "def test_late():\n",
    "    \"late_share — доля опозданий среди известных сроков\"\n",
    "    assert abs(late_share - 0.205584) > 1e-5, \"это доля среди всех 1576 заказов: пропуски посчитаны как «вовремя» — сначала уберите их\"\n",
    "    assert abs(late_share - 0.214428) < 1e-5, f\"late_share = {late_share} — это не доля заказов дольше 5 дней среди известных сроков\"\n",
    "\n",
    "\n",
    "def test_rating():\n",
    "    \"avg_rating — средняя оценка среди поставленных\"\n",
    "    assert not np.isnan(avg_rating), \"avg_rating = nan: нужен np.nanmean\"\n",
    "    assert abs(avg_rating - 2.371827) > 1e-5, \"пропуски заменены нулями и попали в среднее: оценки 0 не существует — пропуски нужно пропускать\"\n",
    "    assert abs(avg_rating - 3.650391) < 1e-5, f\"avg_rating = {avg_rating} — это не средняя поставленная оценка\"\n",
    "\n",
    "\n",
    "def test_speed():\n",
    "    \"fast_rating и slow_rating — оценки быстрых и медленных доставок\"\n",
    "    assert not np.isnan(fast_rating) and not np.isnan(slow_rating), \"получился nan: в отобранных оценках есть пропуски\"\n",
    "    assert abs(fast_rating - 4.216374) < 1e-5, f\"fast_rating = {fast_rating} — это не средняя оценка доставок за 3 дня и быстрее\"\n",
    "    assert abs(slow_rating - 2.717489) < 1e-5, f\"slow_rating = {slow_rating} — это не средняя оценка доставок дольше 5 дней\"\n",
    "\n",
    "_check(test_late, test_rating, test_speed, names=[\"late_share\",\"avg_rating\",\"fast_rating\",\"slow_rating\"])"
   ],
   "execution_count": null,
   "outputs": [],
   "id": "quality-check"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<details><summary>Решение</summary>\n",
    "\n",
    "```python\n",
    "days = delivery[:, 1]\n",
    "rating = delivery[:, 2]\n",
    "late_share = (days[~np.isnan(days)] > 5).mean()\n",
    "avg_rating = np.nanmean(rating)\n",
    "fast_rating = np.nanmean(rating[days <= 3])\n",
    "slow_rating = np.nanmean(rating[days > 5])\n",
    "```\n",
    "\n",
    "</details>"
   ],
   "id": "quality-solution"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "> **Типичная ошибка: сравнение с пропуском — всегда False.**\n",
    ">\n",
    "> `(days > 5).mean()` не падает и даёт правдоподобную, но заниженную долю: для пропуска сравнение `nan > 5` —\n",
    "> `False`, и заказы с неизвестным сроком молча записаны в «доставленные вовремя», да ещё и попадают\n",
    "> в знаменатель доли наравне с остальными. Так же тихо ошибается замена пропусков нулём: средняя оценка\n",
    "> с нулями вместо пропусков выходит больше чем на балл ниже настоящей. Сначала решите, что делать с пропусками, потом считайте."
   ],
   "id": "component-131"
  },
  {
   "cell_type": "code",
   "metadata": {},
   "source": [
    "# Итоги года\n",
    "print(f\"выручка за год: {total:,.0f} ₽\".replace(\",\", \" \"))\n",
    "print(f\"заказов: {n_orders}, средний чек: {avg_check:.0f} ₽\")\n",
    "for name, share in zip(cat_names, np.round(cat_share * 100, 1)):\n",
    "    print(f\"  {name}: {share} %\")\n",
    "print(f\"доставка: в среднем {avg_days:.1f} дня, дольше 5 дней — {late_share * 100:.0f} % заказов\")\n",
    "print(f\"оценка быстрых доставок {fast_rating:.1f}, медленных {slow_rating:.1f}\")"
   ],
   "execution_count": null,
   "outputs": [],
   "id": "summary"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Выводы"
   ],
   "id": "text-139"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "*После решения всех упражнений урока:*\n",
    "\n",
    "За 2025 год «Кофейная лавка» заработала 3.3 млн ₽ с 1576 заказов, средний чек — около 2100 ₽. Основа бизнеса —\n",
    "кофе: 58 % выручки и вся пятёрка лидеров. Почти 40 % денег приносит Москва, ещё четверть — Петербург. Доставка\n",
    "в среднем занимает 4.3 дня, но каждый пятый заказ везут дольше 5 дней — и оценивают такие заказы на 2.7 вместо\n",
    "4.2 у быстрых: скорость доставки — первое, что стоит улучшать. Всё это —\n",
    "без единого цикла по строкам: коды групп `np.unique(…, return_inverse=True)` и суммы `np.bincount(…, weights=…)`.\n",
    "В курсе pandas такие вопросы решает одна строка `groupby` — и вы будете понимать, что происходит внутри."
   ],
   "id": "component-142"
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "**Подробнее в справочнике:** [numpy/io](https://ds-edu-trainer.vercel.app/reference/numpy/io) · [numpy/unique-sets](https://ds-edu-trainer.vercel.app/reference/numpy/unique-sets) · [numpy/histogram](https://ds-edu-trainer.vercel.app/reference/numpy/histogram) · [numpy/sorting](https://ds-edu-trainer.vercel.app/reference/numpy/sorting) · [numpy/nan-inf](https://ds-edu-trainer.vercel.app/reference/numpy/nan-inf)"
   ],
   "id": "more"
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "name": "python"
  },
  "colab": {
   "provenance": []
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}