【数据分析面试】4.寻找超过100元的订单 (Python：merge和concat用法)

题目：寻找超过100元的订单

你被给定了两个数据：transactions 和 products。

transactions包含了交易ID、产品ID以及每个产品销售的总金额。

products包含了产品ID和价格。

编写一个函数，返回一个数据表格，其中包含每个总价值超过100美元的交易。在新数据中包括交易的总价值作为新列。

示例：

输入：

import pandas as pd

transactions = {"transaction_id" : [1, 2, 3, 4, 5], 
				"product_id" : [101, 102, 103, 104, 105], 
				"amount" : [3, 5, 8, 3, 2]}

products = {"product_id" : [101, 102, 103, 104, 105], 
			"price" : [20.00, 21.00, 15.00, 16.00, 52.00]}

df_transactions = pd.DataFrame(transactions)

df_products = pd.DataFrame(products)

输出：

transaction_id	product_id	amount	total_value
2	102	5	105.00
3	103	8	120.00
5	105	2	104.00

答案

def get_high_value_transactions(transactions, products):
    # Merge transactions and products dataframes on product_id
    merged_df = pd.merge(transactions, products, on='product_id', how='left')
    
    # Calculate total value for each transaction
    merged_df['total_value'] = merged_df['amount'] * merged_df['price']
    
    # Filter transactions with total value over $100
    high_value_transactions = merged_df[merged_df['total_value'] > 100]
    
    return high_value_transactions

---

Python语法总结——concat() 与 merge() 的区别

函数	用法区别
merge()	用于基于键连接两个DataFrame对象，类似于SQL中的JOIN操作，通常用于合并具有相同或相关键的数据集。
concat()	用于沿着指定的轴连接多个DataFrame或Series对象，通常用于将多个数据对象按行或列方向堆叠在一起。

merge() 用法介绍

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)

参数说明：

• left和right: 要连接的DataFrame对象。
• how: 连接方式，可选值有’left’, ‘right’, ‘outer’, ‘inner’，默认为’inner’。
• on: 连接键，用于连接两个DataFrame的列名。如果两个DataFrame中的列名不同，可以使用left_on和right_on来指定左右DataFrame的连接键。
• left_on和right_on: 左右DataFrame连接的列，如果列名不同。
• left_index和right_index: 如果为True，则使用左/右DataFrame的索引作为连接键。
• suffixes: 如果列名冲突，添加后缀。
• indicator: 如果为True，则将一个名为“_merge”的列添加到结果DataFrame，表示每行的合并方式（例如，左侧、右侧或两侧）。
• validate: 指定数据合并的方式，可选值为"one_to_one"、“one_to_many”、“many_to_one"和"many_to_many”。

示例用法：

merged_df = pd.merge(df1, df2, on='key_column')

这将根据 key_column 列的值将两个DataFrame对象df1和df2连接在一起，默认使用内连接（‘inner’）。

concat() 用法介绍

pd.concat(objs, axis=0, join='outer', ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True)

主要参数：

• objs: 要连接的DataFrame或Series对象的列表或字典。
• axis: 指定连接的轴，0表示按行连接，1表示按列连接。
• join: 指定连接的方式，可选值有’inner’和’outer’，默认为’outer’。
• ignore_index: 如果为True，则在连接过程中重置结果的索引。
• keys: 如果传递了列表或数组，则用作结果对象的层次化索引中的级别名称。
• verify_integrity: 如果为True，则检查结果对象是否包含重复索引。
• sort: 如果为True，则按字典顺序对结果对象的索引进行排序。

示例用法：

concatenated_df = pd.concat([df1, df2], axis=0)