38，Python数分之Pandas训练，力扣，1098. 小众书籍

• 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

目录

一，原题力扣链接

二，题干

三，建表语句

四，分析

五，Pandas解答

六，验证

七，知识点总结

---

一，原题力扣链接

. - 力扣（LeetCode）

二，题干

书籍表 Books：

+----------------+---------+
| Column Name    | Type    |
+----------------+---------+
| book_id        | int     |
| name           | varchar |
| available_from | date    |
+----------------+---------+
book_id 是这个表的主键（具有唯一值的列）。

订单表 Orders：

+----------------+---------+
| Column Name    | Type    |
+----------------+---------+
| order_id       | int     |
| book_id        | int     |
| quantity       | int     |
| dispatch_date  | date    |
+----------------+---------+
order_id 是这个表的主键（具有唯一值的列）。
book_id  是 Books 表的外键（reference 列）。

编写解决方案，筛选出过去一年中订单总量 少于 10 本 的 书籍，并且 不考虑 上架距今销售 不满一个月 的书籍 。假设今天是 2019-06-23 。

返回结果表 无顺序要求 。

结果格式如下所示。

示例 1：

输入：
Books 表：
+---------+--------------------+----------------+
| book_id | name               | available_from |
+---------+--------------------+----------------+
| 1       | "Kalila And Demna" | 2010-01-01     |
| 2       | "28 Letters"       | 2012-05-12     |
| 3       | "The Hobbit"       | 2019-06-10     |
| 4       | "13 Reasons Why"   | 2019-06-01     |
| 5       | "The Hunger Games" | 2008-09-21     |
+---------+--------------------+----------------+
Orders 表：
+----------+---------+----------+---------------+
| order_id | book_id | quantity | dispatch_date |
+----------+---------+----------+---------------+
| 1        | 1       | 2        | 2018-07-26    |
| 2        | 1       | 1        | 2018-11-05    |
| 3        | 3       | 8        | 2019-06-11    |
| 4        | 4       | 6        | 2019-06-05    |
| 5        | 4       | 5        | 2019-06-20    |
| 6        | 5       | 9        | 2009-02-02    |
| 7        | 5       | 8        | 2010-04-13    |
+----------+---------+----------+---------------+
输出：
+-----------+--------------------+
| book_id   | name               |
+-----------+--------------------+
| 1         | "Kalila And Demna" |
| 2         | "28 Letters"       |
| 5         | "The Hunger Games" |
+-----------+--------------------+

三，建表语句

import pandas as pd
data = [[1, 'Kalila And Demna', '2010-01-01'], [2, '28 Letters', '2012-05-12'], [3, 'The Hobbit', '2019-06-10'], [4, '13 Reasons Why', '2019-06-01'], [5, 'The Hunger Games', '2008-09-21']]
books = pd.DataFrame(data, columns=['book_id', 'name', 'available_from']).astype({'book_id':'Int64', 'name':'object', 'available_from':'datetime64[ns]'})
data = [[1, 1, 2, '2018-07-26'], [2, 1, 1, '2018-11-05'], [3, 3, 8, '2019-06-11'], [4, 4, 6, '2019-06-05'], [5, 4, 5, '2019-06-20'], [6, 5, 9, '2009-02-02'], [7, 5, 8, '2010-04-13']]
orders = pd.DataFrame(data, columns=['order_id', 'book_id', 'quantity', 'dispatch_date']).astype({'order_id':'Int64', 'book_id':'Int64', 'quantity':'Int64', 'dispatch_date':'datetime64[ns]'})

四，分析

 

表格大法 先过滤在左连接 最后在分组过滤

第一步：过滤掉books表中上架时间距离如今一个月的书籍；

第二步：过滤 掉 订单表中 非近一年的订单；

第三步：以书籍表左连接订单表 统计书籍的销售数量 而非订单的，书籍有可能没有销售； 第四步：null值转为0

第五步，分组聚合过滤

第六步：映射指定的列 并输出；

解题过程

代码实现 上述表格的逻辑：

第一步：过滤掉books表中上架时间距离如今一个月的书籍；

在pandas中

第二步：过滤 掉 订单表中 非近一年的订单；

第三步：以书籍表左连接订单表 统计书籍的销售数量 而非订单的，书籍有可能没有销售；

在pandas中

第四步：null值转为0

在pandas中

第五步，分组聚合过滤

在pandas中

第六步：映射指定的列 并输出；

五，Pandas解答

import pandas as pd

def unpopular_books(books: pd.DataFrame, orders: pd.DataFrame) -> pd.DataFrame:
    #过滤掉书籍表 上架日期距离今天 不足一个月的书
    dt = pd.to_datetime('2019-06-23')   # 把dt 转为时间类型
    df = books[(dt - books['available_from']).dt.days >30] #如果时间差大于30  过滤掉距离近一个月的
    #过滤出订单表中  近一年的订单
    new_date = dt - pd.offsets.DateOffset(years = 1)      # new_date   #2018-06-23
    df1 = orders[orders['dispatch_date'] >=new_date]  #大于等于一年前  2018-06-23
    df1 = df1[df1['dispatch_date'] <= '2019-06-23']  #小于等于 今天 2019-06-23
    #左连接2个表
    df2 = pd.merge(df,df1,how='left',on='book_id')
    df2 = df2.fillna(0)  #处理null值
    #分组聚合
    res =df2.groupby(['book_id','name'])['quantity'].sum().reset_index()
    res1= res[res['quantity']<10]
    res2= res1[['book_id','name']]
    return res2
unpopular_books(books,orders)

六，验证

七，知识点总结

• Pandas中时间函数的运用  API pd.to_datetime
• Pandas中时间函数的运用   API:offsets.Dateoffset
• Pandas中过滤的运用
• Pandas中左连接的运用 merge
• Pandas中NAN值的转换
• Pandas中分组 过滤的运用
• Pandas中充值索引的运用 reset_index()
• Pandas中映射指定的列的运用

• 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