37，[经典面试题---留存率问题]Python数分之Pandas训练，力扣，1097. 游戏玩法分析 V

• 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

表：Activity 

+--------------+---------+
| Column Name  | Type    |
+--------------+---------+
| player_id    | int     |
| device_id    | int     |
| event_date   | date    |
| games_played | int     |
+--------------+---------+
（player_id，event_date）是此表的主键(具有唯一值的列的组合)
这张表显示了某些游戏的玩家的活动情况
每一行表示一个玩家的记录，在某一天使用某个设备注销之前，登录并玩了很多游戏（可能是 0）

玩家的 安装日期 定义为该玩家的第一个登录日。

我们将日期 x 的 第一天留存率 定义为：假定安装日期为 X 的玩家的数量为 N ，其中在 X 之后的一天重新登录的玩家数量为 M，M/N 就是第一天留存率，四舍五入到小数点后两位。

编写解决方案，报告所有安装日期、当天安装游戏的玩家数量和玩家的 第一天留存率。

以 任意顺序 返回结果表。

结果格式如下所示。

示例 1：

输入：
Activity 表：
+-----------+-----------+------------+--------------+
| player_id | device_id | event_date | games_played |
+-----------+-----------+------------+--------------+
| 1         | 2         | 2016-03-01 | 5            |
| 1         | 2         | 2016-03-02 | 6            |
| 2         | 3         | 2017-06-25 | 1            |
| 3         | 1         | 2016-03-01 | 0            |
| 3         | 4         | 2016-07-03 | 5            |
+-----------+-----------+------------+--------------+
输出：
+------------+----------+----------------+
| install_dt | installs | Day1_retention |
+------------+----------+----------------+
| 2016-03-01 | 2        | 0.50           |
| 2017-06-25 | 1        | 0.00           |
+------------+----------+----------------+
解释：
玩家 1 和 3 在 2016-03-01 安装了游戏，但只有玩家 1 在 2016-03-02 重新登录，所以 2016-03-01 的第一天留存率是 1/2=0.50
玩家 2 在 2017-06-25 安装了游戏，但在 2017-06-26 没有重新登录，因此 2017-06-25 的第一天留存率为 0/1=0.00

三，建表语句

import pandas as pd

data = [[1, 2, '2016-03-01', 5], [1, 2, '2016-03-02', 6], [2, 3, '2017-06-25', 1], [3, 1, '2016-03-01', 0], [3, 4, '2018-07-03', 5]]
activity = pd.DataFrame(data, columns=['player_id', 'device_id', 'event_date', 'games_played']).astype({'player_id':'Int64', 'device_id':'Int64', 'event_date':'datetime64[ns]', 'games_played':'Int64'})

四，分析

t0:其实也需要考虑去重; 去除掉同一天 用一个用户,同一个设备重复登陆的行数;

第一步:计算用户首次登陆日期;

第二步:打标:日过首次登陆日期 == 用户登录日期 给他打上标记:他为首次登陆的人;

第三步:打标:如果次日登陆日期==用户登录日期 给他打上标记: 他为次日登陆的人; -- ps: 这里的次日登陆的人 其实是首次登陆又次日登陆的人,而非新增的人; --如果是新增的用户,那么他的登陆日期== 首日登陆日期; 除非他第二天又登陆了,否则他就不会等于第二天的登陆日期;

第四步:计算首日活跃用户数量;

第五步:计算次日活跃用户数量; -- ps 这里的次日活跃用户 === 昨天有登陆的,且今天也登陆了的用户;

第六步:合并两个表;

第七步:对nan和nat值处理 转为0;

第八步:计算留存率 引入np包 处理精度问题 解决四舍五入的问题;

第九步:映射指定的列,改名,并且输出

pandas代码实现上述表格的逻辑

t0:其实也需要考虑去重; 去除掉同一天 用一个用户,同一个设备重复登陆的行数;

第一步:计算用户首次登陆日期;

第二步:打标:日过首次登陆日期 == 用户登录日期 给他打上标记:他为首次登陆的人;

第三步:打标:如果次日登陆日期==用户登录日期 给他打上标记: 他为次日登陆的人;

-- ps: 这里的次日登陆的人 其实是首次登陆又次日登陆的人,而非新增的人; --如果是新增的用户,那么他的登陆日期== 首日登陆日期; 除非他第二天又登陆了,否则他就不会等于第二天的登陆日期; 第四步:计算首日活跃用户数量;

第五步:计算次日活跃用户数量; -- ps 这里的次日活跃用户 === 昨天有登陆的,且今天也登陆了的用户;

第六步:合并两个表;

第七步:对nan和nat值处理 转为0;

第八步:计算留存率 引入np包 处理精度问题 解决四舍五入的问题;

第九步:映射指定的列,改名,并且输出

五，Pandas解答

import pandas as pd

def gameplay_analysis(activity: pd.DataFrame) -> pd.DataFrame:
    #去重:
    activity = activity[['player_id','device_id','event_date']].drop_duplicates()
    # 计算用户首次登陆日期
    activity['min_date'] = activity.groupby('player_id')['event_date'].transform('min')
    #如果用户登录日期=首次登陆日期 打上一个标签 首次登陆
    activity['is_one'] = activity.apply(lambda x : '首次登陆' if x['event_date'] == x['min_date'] else None,axis=1)
    activity['is_two'] = activity.apply(lambda x : '第二天重复登陆' if x['event_date'] == x['min_date']+ pd.Timedelta(days = 1) else None,axis=1)
    # 统计第一天登陆的人数
    df1 = activity[activity['is_one'] =='首次登陆']
    df2 = df1.groupby('event_date')['is_one'].count().reset_index()
    #统计第二天登陆的人数
    df3 = activity[activity['is_two'] == '第二天重复登陆']
    df4 = df3.groupby('event_date')['is_two'].count().reset_index()
    df4['add_1'] =df4['event_date']- pd.Timedelta(days = 1)
    # 左连接两个表
    res = pd.merge(df2,df4,how='left',left_on='event_date',right_on='add_1')
 
    def custom_round(x):
        from decimal import Decimal, ROUND_HALF_UP
        num = Decimal(str(x))
        return float(num.quantize(Decimal('0.01'), rounding = ROUND_HALF_UP))
    res['ciri_liucun'] = res.apply(lambda row: custom_round(row['is_two'] / row['is_one']) if row['is_one']!= 0 else 0, axis = 1)
    #映射对应的列
    res1 = res[['event_date_x','is_one','ciri_liucun']]
    #改名
    res1.columns = ['install_dt','installs','Day1_retention']
    #输出
    return res1.fillna(0)
gameplay_analysis(activity)
    

六，验证

七，知识点总结

• 留存率计算:
• 次日登陆+首日登陆 = 留存用户
• 第二日留存用户的数量/第一天用户的数量  得到留存率;

• Pandas中去重API的运用  drop_duplicates
• Pandas中 开窗函数的运用 transform
• Pandas中自定义函数的运用 apply
• Pandas中条件过滤的运用
• Pandas中分组聚合的运用
• Pandas中重置索引的㛚 reset_index
• Pandas中左连接的运用 merge
• Pandas中 解决精度问题,消除四舍五入带来的精度损失的运用
• Pandas中处理null值的运用
• Python中匿名函数的运用
• python中三目表达式的运用
• python中函数的运用

• 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