👉作者主頁：小小明-代碼物體
👉簡介：Python領域優質創作者🏆、資料處理專家?
👉歡迎點贊 👍 收藏 ?留言 📝
昨晚有位童鞋一道Pandas面試題完全沒有思路不會做，通過黃同學找到我時，這道題目離提交答案僅剩20分鐘，不過我最侄訓是在15分鐘之內解決了問題，這整個程序簡直是刺激~😱😱😱
原題題目如下：
最終要求輸出：
要在20分鐘內解決這個問題，對于我來說最困難的第一步就是理解題意，作為一名英文渣渣，硬看這個還是理解的太慢，ε＝ε＝ε＝(#>д<)ﾉ啊啊啊，簡直是生死競速啊，怎么辦？
最終我使用了騰訊翻譯官進行輔助，翻譯結果如下：
有了圖片翻譯工具，這個題目總算理解了，
我總結一下四個規則要求：對于每一天的每一支股票，會有N個來源的價格，去掉空值后優先選擇最頻繁出現的價格，出現次數全部一樣時選擇來源id最小的價格，當天該股票全部都是空值時，選擇前一個交易日的價格，
搞清楚了規則就可以開始整理資料了，這里我手敲編輯了資料為：
| date | ticker | price | source_id |
|---|---|---|---|
| 2013/1/2 | AAPL | 515.61 | 0 |
| 2013/1/2 | AAPL | 515.62 | 1 |
| 2013/1/2 | AAPL | 515.62 | 2 |
| 2013/1/3 | AAPL | 515.16 | 0 |
| 2013/1/3 | AAPL | 515.17 | 1 |
| 2013/1/3 | AAPL | 515.18 | 2 |
| 2013/1/4 | AAPL | 0 | |
| 2013/1/4 | AAPL | 515.45 | 1 |
| 2013/1/4 | AAPL | 515.47 | 2 |
| 2013/1/7 | AAPL | 0 | |
| 2013/1/7 | AAPL | 1 | |
| 2013/1/7 | AAPL | 2 | |
| 2013/1/8 | AAPL | 527.28 | 0 |
| 2013/1/8 | AAPL | 528.29 | 1 |
保存Excel檔案，
已經耗時10分鐘了😧怎么辦？怎么辦？😱
不過也已經到了我最擅長的編碼階段，開干吧???
首先使用pandas讀取資料：
import pandas as pd
df = pd.read_excel("股票資料.xlsx")
df
這四個規則，直接使用pandas本身的方法會導致代碼較為臃腫，由于時間緊迫，這里我直接使用萬能的回圈來解決這個問題，最終完整代碼如下：
result = []
for (date, ticker), split in df.groupby(["date", "ticker"]):
prices = split.price.mode()
if prices.shape[0] > 0:
price = split.price.mode().iat[0]
else:
price = last
result.append((date, ticker, price))
last = price
result = pd.DataFrame(result, columns=["date", "ticker", "price"])
result
結果：
可以看到結果滿足題目的四點規則要求，歷時5分鐘編碼終于搞定了，😪長舒一口氣壓壓驚~
做完后我立馬將代碼和截圖發給了對方，對方也在提交答案后立馬回了我一個紅包，
但是表達看不懂，希望我寫篇文章：
既然如此，那么我就寫下這篇文章來詳解這其中的幾個小知識點，雖然其實這其中涉及的內容比我以前的老文章要簡單20倍以上，不太屑于寫，但黃同學都這樣邀請了，我就逼自己寫一把吧😂
首先呢，我們將整個datafream按照每天每支股票拆分成一個個的Datafream：
for (date, ticker), df_split in df.groupby(["date", "ticker"]):
print(date, ticker)
display(df_split)
結果如下：
可以看到這支股票的每一天的資料都被拆分了出來，
取最頻繁的價格，我們可以使用眾數：
df_split.price.mode()
0 527.28
1 528.29
dtype: float64
這種形式表示眾數不止一個，表示出現次數一致，此時規則2要求選擇來源id最小的價格，由于資料本身是按照來源id從小到大排序的，那么我們直接取第一個眾數即可：
df_split.price.mode().iat[0]
527.28
但是問題是，某個分組可能出現價格全部為空值的情況，此時規則要求取前一個分組的價格，這也是我直接使用回圈來解決這個問題的原因，因為可以通過一個變數記錄前一次遍歷分組的結果，
當然為了避免資料源可能出現無序的情況的情況，我們需要事先對資料進行排序：
df.sort_values(["ticker", "date", "source_id"], inplace=True)
最后我將所有的結果資料都保存到了一個串列中，通過DataFrame的建構式則可以直接根據一個串列生成一個DataFrame，columns引數指定了列名，
額，感覺實在太過于基礎已經沒啥可寫的了，推薦幾篇老文章吧：
-
Pandas實戰案例-冷空氣活動寒潮級別的計算與分類
-
對比Pandas輕松理解MySQL分組聚合的實作原理
-
一道基礎題，多種解題思路，引出Pandas多個知識點
-
Pandas實作串列分列與字典分列的三個實體
-
Pandas直接讀取sql腳本
-
Pandas基礎|列方向分組變形
-
Pandas實體|自定義截斷分組
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/298905.html
標籤：其他