Pandas【条件筛选】

大的国家

题目来源：595. 大的国家 - 力扣（LeetCode）

题目：

World表：

如果一个国家满足下述两个条件之一，则认为该国是 大国 ：

• 面积至少为 300 万平方公里（即，3000000 km2），或者
• 人口至少为 2500 万（即 25000000）

查询并报告 大国 的国家名称、人口和面积。

按 任意顺序 返回结果表。

示例：

题解：

参考：595. 大的国家 - 力扣（LeetCode）

使用行过滤方法来过滤到不满足条件的国家行，返回剩下表格的指定列即可。

import pandas as pd

def big_countries(world: pd.DataFrame) -> pd.DataFrame:
    df = world[(world['area'] >= 3000000) | (world['population'] >= 25000000)]
    return df[['name', 'population', 'area']]

可回收且低脂的产品

题目来源：1757. 可回收且低脂的产品 - 力扣（LeetCode）

题目：

Products表：

查找既是低脂又是可回收的产品编号。

返回结果 无顺序要求 。

查询结果格式如下例所示：

示例：

题解：

参考：1757. 可回收且低脂的产品 - 力扣（LeetCode）

在Pandas中，通过布尔索引我们可以使用布尔数组或条件来过滤DataFrame，因此可以通过判断dataframe中的每一行满足条件与否来选择性地提取出满足条件的行。

在这道题里就是通过'low_fats'=='Y'和'recyclable'=='Y'这两个条件来进行行过滤。

import pandas as pd

def recyclable_and_low_fat_products(products: pd.DataFrame) -> pd.DataFrame:
    df = products[(products['low_fats'] == 'Y') & (products['recyclable'] == 'Y')]
    df = df[['product_id']]
    return df

从不订购的客户

题目来源：183. 从不订购的客户 - 力扣（LeetCode）

题目：

Customers表：

Orders表：

找出所有从不点任何东西的顾客。

以 任意顺序 返回结果表。

结果格式如下所示。

示例：

题解：

参考：183. 从不订购的客户 - 力扣（LeetCode）

方法一：

如果Customers表中的id不曾在Orders表中出现过，则意味着这个客户不曾下过订单。

在Pandas中，isin(values)用于基于其值是否在给定集合values中来过滤和选择行

import pandas as pd

def find_customers(customers: pd.DataFrame, orders: pd.DataFrame) -> pd.DataFrame:
    df = customers[~customers['id'].isin(orders['customerId'])]
    df = df[['name']].rename(columns = {'name': 'Customers'}) #将列名进行重命名
    return df

方法二：

基于Customers表中的id和Orders表中的customerId进行左连接，然后寻找Orders表内容为空的行。

import pandas as pd

def find_customers(customers: pd.DataFrame, orders: pd.DataFrame) -> pd.DataFrame:
    df = customers.merge(orders, left_on = 'id', right_on = 'customerId', how = 'left')
    df = df[df['customerId'].isna()]
    df = df[['name']].rename(columns = {'name':'Customers'})
    return df

文章浏览（1）

题目来源：1148. 文章浏览 I - 力扣（LeetCode）

题目：

Views表：

请查询出所有浏览过自己文章的作者

结果按照 id 升序排列。

查询结果的格式如下所示：

示例：

题解：

参考：1148. 文章浏览 I - 力扣（LeetCode）

首先筛选出author_id=viewer_id的行，因为作者可能会查看他的文章多次，所以要将author_id重复的项进行删除，可以使用drop_duplicates函数，里面有两项参数可以设置

• subset：它指定应该考虑哪些列来查找重复项，如果未指定，则考虑所有列
• inplace：这是一个布尔值，用于确定是否应该对原始DataFrame进行就地修改，还是返回一个新的DataFrame，设置为true则是就地修改

在去除重复项后，按author_id进行升序排序即可。

import pandas as pd

def article_views(views: pd.DataFrame) -> pd.DataFrame:
    df = views[views['author_id'] == views['viewer_id']]
    df.drop_duplicates(subset=['author_id'], inplace = True)
    df.sort_values(by = ['author_id'], inplace = True)
    df.rename(columns = {'author_id' : 'id'}, inplace=True)
    df = df[['id']]

    return df