32，Python数分之Pandas训练，力扣，1069. 产品销售分析 II

凡梦_leo

于 2024-09-29 00:47:27 发布

阅读量334

点赞数 10

分类专栏：数分之Pandas实战训练文章标签： leetcode pandas python 数据库 sql 算法开发语言

本文链接：https://blog.csdn.net/qq_55006020/article/details/142624540

版权

数分之Pandas实战训练专栏收录该内容

32 篇文章 0 订阅

订阅专栏

学习：知识的初次邂逅
复习：知识的温故知新
练习：知识的实践应用

一，原题力扣链接

. - 力扣（LeetCode）

二，题干

销售表：Sales

+-------------+-------+
| Column Name | Type  |
+-------------+-------+
| sale_id     | int   |
| product_id  | int   |
| year        | int   |
| quantity    | int   |
| price       | int   |
+-------------+-------+
sale_id 是这个表的主键（具有唯一值的列）。
product_id 是 Product 表的外键（reference 列）。
该表的每一行显示产品product_id在某一年的销售情况。
请注意价格是每单位的。

产品表：Product

+--------------+---------+
| Column Name  | Type    |
+--------------+---------+
| product_id   | int     |
| product_name | varchar |
+--------------+---------+
product_id 是这个表的主键（具有唯一值的列）。
该表的每一行表示每种产品的产品名称。

编写解决方案，统计每个产品的销售总量。

返回结果表 无顺序要求 。

结果格式如下例子所示。

示例 1：

输入：
Sales 表：
+---------+------------+------+----------+-------+
| sale_id | product_id | year | quantity | price |
+---------+------------+------+----------+-------+ 
| 1       | 100        | 2008 | 10       | 5000  |
| 2       | 100        | 2009 | 12       | 5000  |
| 7       | 200        | 2011 | 15       | 9000  |
+---------+------------+------+----------+-------+
Product 表：
+------------+--------------+
| product_id | product_name |
+------------+--------------+
| 100        | Nokia        |
| 200        | Apple        |
| 300        | Samsung      |
+------------+--------------+
输出：
+--------------+----------------+
| product_id   | total_quantity |
+--------------+----------------+
| 100          | 22             |
| 200          | 15             |
+--------------+----------------+

三，建表语句

import pandas as pd

data = [[1, 100, 2008, 10, 5000], [2, 100, 2009, 12, 5000], [7, 200, 2011, 15, 9000]]
sales = pd.DataFrame(data, columns=['sale_id', 'product_id', 'year', 'quantity', 'price']).astype({'sale_id':'Int64', 'product_id':'Int64', 'year':'Int64', 'quantity':'Int64', 'price':'Int64'})
data = [[100, 'Nokia'], [200, 'Apple'], [300, 'Samsung']]
product = pd.DataFrame(data, columns=['product_id', 'product_name']).astype({'product_id':'Int64', 'product_name':'object'})

四，分析

表格大法连接2个表之后 groupby 分组聚合

第一步:内连接连接2个表为啥用内连接没销量的统计了干嘛

第二步: 分组聚合 +起别名

第一步:内连接连接2个表为啥用内连接没销量的统计了干嘛

第二步: 分组聚合 +起别名

五，Pandas解答

import pandas as pd

def sales_analysis(sales: pd.DataFrame, product: pd.DataFrame) -> pd.DataFrame:
    df = pd.merge(product,sales,how='inner',on='product_id')
    df1 = df.groupby(['product_id'])['quantity'].sum().reset_index()
    res = df1.rename(columns={'quantity':'total_quantity'})
    return res

sales_analysis(sales,product)