30天熟练使用pandas(Day2,groupby,reset_index,count)

Day2

合作过至少三次的演员和导演

ActorDirector 表：

+-------------+---------+
| Column Name | Type    |
+-------------+---------+
| actor_id    | int     |
| director_id | int     |
| timestamp   | int     |
+-------------+---------+
timestamp 是这张表的主键(具有唯一值的列).

编写解决方案找出合作过至少三次的演员和导演的 id 对 (actor_id, director_id)

示例1：
输入：
ActorDirector 表：

+-------------+-------------+-------------+
| actor_id    | director_id | timestamp   |
+-------------+-------------+-------------+
| 1           | 1           | 0           |
| 1           | 1           | 1           |
| 1           | 1           | 2           |
| 1           | 2           | 3           |
| 1           | 2           | 4           |
| 2           | 1           | 5           |
| 2           | 1           | 6           |
+-------------+-------------+-------------+

输出

+-------------+-------------+
| actor_id    | director_id |
+-------------+-------------+
| 1           | 1           |
+-------------+-------------+

唯一的 id 对是 (1, 1)，他们恰好合作了 3 次。

题解

这里需要将(actor_id,director_id)看作是一个整体来进行聚合并计数，pandas最常用的聚合方法是groupby，groupby不仅可以对单列进行聚合，也可以对多列进行聚合，可以看看具体的效果

import pandas as pd
actor_director = pd.DataFrame([[1,1,0],
                      [1,1,1],
                      [1,1,2],
                      [1,2,3],
                      [1,2,4],
                      [2,1,5],
                      [2,1,6]],
                     columns=['actor_id','director_id','timestamp'])

a=list(actor_director.groupby(['actor_id','director_id']))

可以查看一下a的具体内容

生成的是一个列表，列表里面有3个元组，3个元组分别存储(1,1),(1,2),(2,1)三对值聚合后的列表，正如我们所预想的，成功按照(actor_id,director_id)进行聚合。这样我们就可以对聚合后的列表进行计数：

df=actor_director.groupby(['actor_id','director_id']).count()

这里需要再生成一下索引

df.reset_index(inplace=True)'''pandas里面很多对表格进行操作的函数都有inplace这个变量，
设置这个变量为True，就会将对表格进行的操作保留到原表格中，无需再次赋值。'''
df#产看最终生成的表格

这样我们就成功统计出不同演员与导演直接的合作次数,然后就是找出合作次数至少3次的演员和导演

new_table=df[df['timestamp']>=3][['actor_id','director_id']]
new_table

因此这题我的解法可以总结成这样

import pandas as pd

def actors_and_directors(actor_director: pd.DataFrame) -> pd.DataFrame:
    df=actor_director.groupby(['actor_id','director_id']).count().reset_index()
    return df[df['timestamp']>=3][['actor_id','director_id']]

在力扣上提交内存排名还是不错的，但运算速度较慢，有兴趣的读者可以试着优化一下。