【学习记录】阿里天池SQL练习题_08 python和SQL方式

最新推荐文章于 2023-09-26 22:36:20 发布

Shadie1985

最新推荐文章于 2023-09-26 22:36:20 发布

阅读量208

点赞数

文章标签：学习 sql python 数据库

本文链接：https://blog.csdn.net/weixin_57481961/article/details/124957738

版权

本文记录了在阿里天池SQL练习中，如何使用Python和SQL处理O2O优惠券使用数据，找出2016年6月使用次数最多的顾客。通过合并《ccf_online_stage1_train.csv》和《ccf_offline_stage1_train.csv》数据，处理NaN，新增计数列，并对比Python与SQL在处理此类问题上的差异。

摘要由CSDN通过智能技术生成

合并数据，汇总统计

数据来源：天池新人实战赛o2o优惠券使用预测赛题与数据-天池大赛-阿里云天池

使用Coupon Usage Data for O2O中的数据集《ccf_online_stage1_train.csv》和《ccf_offline_stage1_train.csv》试找出在2016年6月期间，线上线下累计优惠券使用次数最多的顾客。

概要：此题卡壳比较严重，乍看要求很简单，用python很实现容易。但过程中发现python相比SQL有一些不同，导致在处理此题反而不容易理解

先导入数据。此次数量较大，同时需要导入2个数据集，直接从本地下载导入。

import pandas as pd
import numpy as np
df_online=pd.read_csv('../data/阿里天池/ccf_online_stage1_train.csv')
df_offline=pd.read_csv('../data/阿里天池/ccf_offline_stage1_train.csv')

先处理数据量较小的offline数据集

首先把NaN数据进行处理，筛出2016年6月期间的数据集

同时新增一列number，并统一赋值1。原因是这样的，此题是要求按User_id作为分组索引，然后汇总统计优惠券的使用次数，但数据集中没有对应的优惠券ID的