基于LeetCode实战的Pandas技巧

引言

LeetCode新出了Pandas题库，本人感兴趣就拿了一下它的那个勋章，收获还是有的。但最近需要用到Pandas了，把当时刷题时学的内容又忘了，故写下本篇博客，整理Pandas的各种技巧。

查询/选择

LeetCode 176. 第二高的薪水

输入：
Employee 表：
+----+--------+
| id | salary |
+----+--------+
| 1  | 100    |
| 2  | 200    |
| 3  | 300    |
+----+--------+
输出：
+---------------------+
| SecondHighestSalary |
+---------------------+
| 200                 |
+---------------------+

从Employee表中选择第二高的薪水：

使用df.drop_duplicates筛选不重复的所有薪资
df.drop_duplicates(subset=None, keep=‘first’, inplace=False, ignore_index=False)

• subset: 设置根据列的子集来判断重复值，默认根据DataFrame的所有列来判断重复值，即所有列的数据都相同时，才算重复值。如果指定了子集，则只要子集的这些列的数据都相同，就算重复值。
• keep: 设置保留重复值中的哪一个，可以设置的值有{‘first’, ‘last’, False}，默认first，如果有重复值，则保留第一个。设置为last，则保留重复值中的最后一个。设置为False，则删除所有的重复值，一个也不保留。
• inplace: 设置是否在DataFrame本身删除数据，默认为False，在DataFrame的副本里删除数据，返回删除数据后的DataFrame。如果设置为True，则在调用drop()的DataFrame本身执行删除，返回值为None。
• ignore_index: 设置是否忽略行索引，默认False，去重后的结果的行索引保持原索引不变。如果设置为True，则结果的行索引被重置为0开始的自然数。

使用df.sort_values 对薪资进行排序
df.sort_values()

# 只列举关键代码
df = employee.drop_duplicates(subset=['salary']).sort_values('salary',ascending=False)
# 用loc选的是行标签，iloc是行下标，排序后100的行标签并不会变，原来第几就是几
return df.iloc[[1]][['salary']].rename(columns={'salary':f'SecondHighestSalary'})

使用drop删除数据：
drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors=‘raise’):

• labels: 指定要删除的行索引或列名，参数传入方式为字符串或list-like。如果指定的是列名，要配合将axis参数设置为1或columns。
• axis: 设置删除行还是删除列，0或index表示删除行，1或columns表示删除列，默认值为0。
• index: 设置要删除的行，相当于设置labels且axis为0或index。
• columns: 设置要删除的列，相当于设置labels且axis为1或columns。
• level: 如果索引是多重索引，指定按多重索引中的哪个等级的索引删除，可以传入多重索引的下标或名称。
• inplace: 设置是否在DataFrame本身删除数据，默认为False，在DataFrame的副本里删除数据，返回删除数据后的DataFrame。如果设置为True，则在调用drop()的DataFrame本身执行删除，返回值为None。
• errors: 设置是否抛出错误，可以设置的值有{‘ignore’, ‘raise’}，默认raise，表示抛出错误。ignore表示忽略错误，跳过传入的错误索引名或列名，正确的索引名或列名不受影响，正常执行删除。

排序

178. 分数排名

问题：输入一个成绩，排序后并输出它的排名

输入: 
Scores 表:
+----+-------+
| id | score |
+----+-------+
| 1  | 3.50  |
| 2  | 3.65  |
| 3  | 4.00  |
| 4  | 3.85  |
| 5  | 4.00  |
| 6  | 3.65  |
+----+-------+
输出: 
+-------+------+
| score | rank |
+-------+------+
| 4.00  | 1    |
| 4.00  | 1    |
| 3.85  | 2    |
| 3.65  | 3    |
| 3.65  | 3    |
| 3.50  | 4    |
+-------+------+

主要核心函数：

scores['rank'] = scores['score'].rank(method='dense',ascending=False)
return scores[['score','rank']].sort_values('score',ascending=False)

DataFrame.rank(axis=0, method=‘average’, numeric_only=False, na_option=‘keep’, ascending=True, pct=False)
参数

• axis{0 or ‘index’, 1 or ‘columns’}, default 0。选择坐标轴，按行排序的 axis=0或’index’，反之
• method{‘average’, ‘min’, ‘max’, ‘first’, ‘dense’}, default ‘average’ 排序方法
• • average：并列名次选平均的，并列第二，算并列2.5名
• • min：并列名次选最小的，并列第一，就算并列第一
• • max：存在并列排名，并列的次序选择大的那个，比如两个人并列第一，算并列第二
• • first：按照出现次序排序（不存在并列排名），最后一个名次等于人数
• • dense：相同的得分排序一致（存在并列排名），但最后一个名次可能小于人数
• numeric_only bool, default False 是否仅仅计算数字型的columns，布尔值
• na_option{‘keep’, ‘top’, ‘bottom’}, default ‘keep’ NaN值是否参与排名及如何排名
• • keep：将NaN等级分配给NaN值
• • top： 将NaN排名至顶部
• • bottom：将NaN排名至底部
• ascending bool, default True 是否为升序
• pc tbool, default False 是否以百分比形式显示返回的排名。