47，Python数分之Pandas训练，力扣，1159. 市场分析 II

• 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

. - 力扣（LeetCode）

表: Users

+----------------+---------+
| Column Name    | Type    |
+----------------+---------+
| user_id        | int     |
| join_date      | date    |
| favorite_brand | varchar |
+----------------+---------+
user_id 是该表的主键(具有唯一值的列)。
表中包含一位在线购物网站用户的个人信息，用户可以在该网站出售和购买商品。

表: Orders

+---------------+---------+
| Column Name   | Type    |
+---------------+---------+
| order_id      | int     |
| order_date    | date    |
| item_id       | int     |
| buyer_id      | int     |
| seller_id     | int     |
+---------------+---------+
order_id 是该表的主键(具有唯一值的列)。
item_id 是 Items 表的外键(reference 列)。
buyer_id 和 seller_id 是 Users 表的外键。

表: Items

+---------------+---------+
| Column Name   | Type    |
+---------------+---------+
| item_id       | int     |
| item_brand    | varchar |
+---------------+---------+
item_id 是该表的主键(具有唯一值的列)。

编写一个解决方案，为每个用户找出他们出售的第二件商品(按日期)的品牌是否是他们最喜欢的品牌。如果用户售出的商品少于两件，则该用户的结果为否。保证卖家不会在一天内卖出一件以上的商品。

以 任意顺序 返回结果表。

返回结果格式如下例所示：

示例 1：

输入：
Users table:
+---------+------------+----------------+
| user_id | join_date  | favorite_brand |
+---------+------------+----------------+
| 1       | 2019-01-01 | Lenovo         |
| 2       | 2019-02-09 | Samsung        |
| 3       | 2019-01-19 | LG             |
| 4       | 2019-05-21 | HP             |
+---------+------------+----------------+
Orders table:
+----------+------------+---------+----------+-----------+
| order_id | order_date | item_id | buyer_id | seller_id |
+----------+------------+---------+----------+-----------+
| 1        | 2019-08-01 | 4       | 1        | 2         |
| 2        | 2019-08-02 | 2       | 1        | 3         |
| 3        | 2019-08-03 | 3       | 2        | 3         |
| 4        | 2019-08-04 | 1       | 4        | 2         |
| 5        | 2019-08-04 | 1       | 3        | 4         |
| 6        | 2019-08-05 | 2       | 2        | 4         |
+----------+------------+---------+----------+-----------+
Items table:
+---------+------------+
| item_id | item_brand |
+---------+------------+
| 1       | Samsung    |
| 2       | Lenovo     |
| 3       | LG         |
| 4       | HP         |
+---------+------------+
输出：
+-----------+--------------------+
| seller_id | 2nd_item_fav_brand |
+-----------+--------------------+
| 1         | no                 |
| 2         | yes                |
| 3         | yes                |
| 4         | no                 |
+-----------+--------------------+
解释：
id 为 1 的用户的查询结果是 no，因为他什么也没有卖出
id为 2 和 3 的用户的查询结果是 yes，因为他们卖出的第二件商品的品牌是他们最喜爱的品牌
id为 4 的用户的查询结果是 no，因为他卖出的第二件商品的品牌不是他最喜爱的品牌

三，建表语句

import pandas as pd
data = [[1, '2019-01-01', 'Lenovo'], [2, '2019-02-09', 'Samsung'], [3, '2019-01-19', 'LG'], [4, '2019-05-21', 'HP']]
users = pd.DataFrame(data, columns=['user_id', 'join_date', 'favorite_brand']).astype({'user_id':'Int64', 'join_date':'datetime64[ns]', 'favorite_brand':'object'})

data = [[1, '2019-08-01', 4, 1, 2], [2, '2019-08-02', 2, 1, 3], [3, '2019-08-03', 3, 2, 3], [4, '2019-08-04', 1, 4, 2], [5, '2019-08-04', 1, 3, 4], [6, '2019-08-05', 2, 2, 4]]
orders = pd.DataFrame(data, columns=['order_id', 'order_date', 'item_id', 'buyer_id', 'seller_id']).astype({'order_id':'Int64', 'order_date':'datetime64[ns]', 'item_id':'Int64', 'buyer_id':'Int64', 'seller_id':'Int64'})
data = [[1, 'Samsung'], [2, 'Lenovo'], [3, 'LG'], [4, 'HP']]
items = pd.DataFrame(data, columns=['item_id', 'item_brand']).astype({'item_id':'Int64', 'item_brand':'object'})

四，分析

思路

表格大法：

第一步：左连接用户表和订单表 左连接的原因：有用户但是用户每下单也需要统计； 连接条件：用户id和卖家id

第二步：以用户分组，以下单日期排序 pandas中需要转为时间戳 msql不需要；

第三步：左连接连接第三张表 品牌表。左连接的原因是：item_id有null值的原因

第四步:过滤掉大于排序列2的行数 并且扩一个新的列，如果rn=2且用户出售的品牌是他们喜欢的品牌 就给yes，反之都都给no

第五步：再次排序 以rn降序，分组求top1

第六步：映射指定的列，改名，并输出

解题过程

分别用mysql和pandas实现以上表格的代码逻辑

第一步：左连接用户表和订单表 左连接的原因：有用户但是用户每下单也需要统计； 连接条件：用户id和卖家id

在pandas

第二步：以用户分组，以下单日期排序 pandas中需要转为时间戳 msql不需要；

在pandas

第三步：左连接连接第三张表 品牌表。左连接的原因是：item_id有null值的原因

在pandas

第四步:过滤掉大于排序列2的行数 并且扩一个新的列，如果rn=2且用户出售的品牌是他们喜欢的品牌 就给yes，反之都都给no

在pandas

第五步：再次排序 以rn降序，分组求top1

在pandas

第六步：映射指定的列，改名，并输出

在pandas

五，Pandas解答

import pandas as pd

def market_analysis(users: pd.DataFrame, orders: pd.DataFrame, items: pd.DataFrame) -> pd.DataFrame:
    # 左连接 用用户表和订单表
    df = pd.merge(users,orders,how='left',left_on='user_id',right_on='seller_id')\
    [['user_id','favorite_brand','order_id','order_date','item_id','seller_id']].fillna(0)
    # 先把日期转为时间戳
    df['order_date'] = df['order_date'].apply(lambda x: 0 if x == 0 else int(x.timestamp()))
    # #做个排序 以用户分组 以订单排序 取第二名
    df['rn'] = df.groupby('user_id')['order_date'].rank(method = 'first', ascending = True)
    # 连接第三张表 nan值处理为0
    df1 = pd.merge(df,items,how='left',on='item_id').fillna(0)
    #保留 第一和第二 其他都不要 因为一会儿还要降序排序
    df1=df1[df1['rn']<=2]
    def fun1(x):
        if x['rn']==2 and x['favorite_brand']==x['item_brand']:
            return 'yes'
        else:
            return 'no'
    df1['2nd_item_fav_brand'] =df1.apply(fun1,axis=1)
    #过滤我们想要的列
    df2 = df1[['user_id','rn','2nd_item_fav_brand']]
    df3 = df2.copy()  #重新排序 取第一
    df3['rn1'] = df3.groupby('user_id')['rn'].rank(method='first',ascending=False)
    res = df3[df3['rn1']==1][['user_id','2nd_item_fav_brand']]\
    .rename(columns={'user_id':'seller_id'})\
    .reset_index(drop=True)
    return res
market_analysis(users,orders,items)

六，验证

七，知识点总结

• Pandas中左连接的运用  merge
• Pandas中对nan值的处理  fillnan（0）
• Pandas中自定义行数的运用
• Pandas中 对时间转为时间戳的运用  timstamp()
• Pandas中 实现row_number的效果的运用  groupby...rank
• Pandas中 自定义行数的运用 apply axis=1是行
• Pandas中 实现排序的运用 method等于的值  的综合运用
• Pandas中 重置索引的运用  reset_index
• Pandas中 改名的运用  columns
• Pandas汇总 链式调用换行的运用
• Python中匿名函数的运用
• Python中函数的运用
• Python中选择分支的运用

附录：

1. rank方法中的method参数取值及含义
   • average（默认值）
     • 含义：当存在相同值时，将相同值的排名设为这些值的平均排名。
     • 例如：如果有一组数据[1, 2, 2, 3]，对于值2，会有两个相同的值。它们的排名会被计算为平均排名，即(2 + 3)/2= 2.5，所以这组数据的排名结果为[1, 2.5, 2.5, 4]。
   • min
     • 含义：当存在相同值时，将相同值的排名设为这些相同值可能的最小排名。
     • 例如：对于数据[1, 2, 2, 3]，值2的排名为2（而不是平均排名2.5），所以这组数据的排名结果为[1, 2, 2, 4]。
   • max
     • 含义：当存在相同值时，将相同值的排名设为这些相同值可能的最大排名。
     • 例如：对于数据[1, 2, 2, 3]，值2的排名为3，这组数据的排名结果为[1, 3, 3, 4]。
   • first
     • 含义：按照值在数据中的出现顺序排名。如果有相同值，先出现的值排名靠前。
     • 例如：对于数据[2, 1, 1, 3]，第一个1的排名为2，第二个1的排名为3，这组数据的排名结果为[1, 2, 3, 4]。
   • dense
     • 含义：类似于min，但排名是连续的，不会出现像average那样的小数排名。相同值共享同一个排名，下一个不同的值的排名是上一个排名加 1。
     • 例如：对于数据[1, 2, 2, 3]，值2的排名为2，这组数据的排名结果为[1, 2, 2, 3]。

• 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