[每日一练]每个产品在不同商店的价格

抱歉各位，期末周的任务比较多，最近都没空刷数据类编程的题了，在接下来的暑假中，我会坚持保持训练和更优质的更新的。

题目来源于力扣：

1795. 每个产品在不同商店的价格 - 力扣（LeetCode）

题目要求：

表：Products

+-------------+---------+
| Column Name | Type    |
+-------------+---------+
| product_id  | int     |
| store1      | int     |
| store2      | int     |
| store3      | int     |
+-------------+---------+
在 SQL 中，这张表的主键是 product_id（产品Id）。
每行存储了这一产品在不同商店 store1, store2, store3 的价格。
如果这一产品在商店里没有出售，则值将为 null。
 

请你重构 Products 表，查询每个产品在不同商店的价格，使得输出的格式变为(product_id, store, price) 。如果这一产品在商店里没有出售，则不输出这一行。

输出结果表中的 顺序不作要求 。

查询输出格式请参考下面示例。

 

示例 1：

输入：
Products table:
+------------+--------+--------+--------+
| product_id | store1 | store2 | store3 |
+------------+--------+--------+--------+
| 0          | 95     | 100    | 105    |
| 1          | 70     | null   | 80     |
+------------+--------+--------+--------+
输出：
+------------+--------+-------+
| product_id | store  | price |
+------------+--------+-------+
| 0          | store1 | 95    |
| 0          | store2 | 100   |
| 0          | store3 | 105   |
| 1          | store1 | 70    |
| 1          | store3 | 80    |
+------------+--------+-------+
解释：
产品 0 在 store1、store2、store3 的价格分别为 95、100、105。
产品 1 在 store1、store3 的价格分别为 70、80。在 store2 无法买到。

特殊代码melt的解释：

这个代码用来对DataFrame从宽格式（wide format）转换为长格式（long format）。在处理数据的格式和时间序列的数据非常有用。

-基本语法：

pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)

-参数解释：

• frame：要进行重塑操作的DataFrame。
• id_vars：可选参数，是一个列名或列名的列表，用于唯一标识每行的变量。这些列将保留在输出的DataFrame中，而不会被转换。
• value_vars：可选参数，是一个列名或列名的列表，用于选择要解除重塑的列。如果未指定，则使用除 id_vars 以外的所有列。
• var_name：生成的DataFrame中用于存储 value_vars 列名的列的名称。默认为 'variable'。
• value_name：生成的DataFrame中用于存储 value_vars 值的列的名称。默认为 'value'。
• col_level：如果输入的DataFrame是多级（例如具有多级列索引），则使用此参数来指定在哪个级别上应用重塑操作。

思路流程：

首先，题目我们可以很清晰地看到要求我们对宽格式转化为长格式，可以清楚的要用到melt函数：由于主键是product_id（产品Id），所以我们的id_vars用作唯一标识的数据为product_id，可见要解除的列为store1,store2,store3,这里的参数value_cars可以用列表将这三个列进行解除。

那么列名会变成系统自动新建列的值，而被解除列名的值会自动分类统计到另一个系统自动生成的列表中，接下来我们只需要使用var_name和value_name参数对列名列表和值列表的列标题进行重命名即可。

最后注意删除空值，满足数据需求

代码实现：

import pandas as pd

def rearrange_products_table(products: pd.DataFrame) -> pd.DataFrame:
    a=pd.melt(products,id_vars='product_id',value_vars=['store1','store2','store3'],var_name='store',value_name='price').dropna()
    return a

可见利用melt可以进行简单的数据转置，可以在未来办公中更快捷，更便利的应对各种复杂的数据