数据分析面试题之Pandas中的groupby

忘是亡心i 2022-04-15 01:58 309阅读 0赞

昨天晚上，笔者有幸参加了一场面试，有一个环节就是现场编程！题目如下：  
  示例数据如下，求每名学生（ID）对应的成绩（score）最高的那门科目（class）与ID，用Python实现：

![score.csv][]

这个题目看上去很简单，其实，并不简单。即要求输出形式如下：

![输出结果][1240]

当然，我们一开始能先到的是利用Pandas中的groupby，按ID做groupby，按score取最大值，可是之后的过程就难办了，是将得到的结果与原表做join，还是再想其他办法？  
  怎么办？答案就是Pandas中groupby的官方文档说明，网址为：[http://pandas.pydata.org/pandas-docs/stable/api.html\#groupby。][http_pandas.pydata.org_pandas-docs_stable_api.html_groupby] 截图如下：

![pandas中groupby的官方说明][pandas_groupby]

本文将会用到其中的三个函数： idxmax(), idxmin(), rank().  
  其实，让我们来解决一开始提出的问题，Python代码如下：

import pandas as pd
    
    df = pd.read_csv("E://score.csv")
    new_df = df.groupby("ID")["score"].idxmax()
    for i in new_df:
        print(df.iloc[i, :].tolist()[0:2])

分析代码，df.groupby(“ID”)\[“score”\].idxmax()是对原数据按ID做groupby，然后取score列，用idxmax(）取出成绩最好的行。然后取出这些行即可。  
  当然，上述代码存在两个衍生问题：

1.  每名学生（ID）对应的成绩（score）最低的那门科目（class）与ID；
2.  若有学生他的某些科目的成绩是一样的，求每名学生对应的成绩最高的那些科目与ID。

第一个问题，很好解决，在原先的代码中，将idxmax()替换为idxmin()即可，输出的结果如下：

[1, 'C']
    [2, 'A']
    [3, 'C']
    [4, 'A']

第二个问题，如果有学生他的某些科目的成绩是一样的，如下面的示例数据：

![学生成绩存在重复][1240 1]  
在上面数据中，第1,3名学生的最高成绩存在重复。这是，我们需要用到rank()函数，Python代码如下:

import pandas as pd
    import numpy as np
    
    df = pd.read_csv("E://score.csv")
    df["rank"] = df.groupby("ID")["score"].rank(method="min", ascending=False).astype(np.int64)
    #print(df)
    print(df[df["rank"] == 1][["ID", "class"]])

输出结果如下：

ID class
    0    1     A
    1    1     B
    5    2     C
    7    3     B
    8    3     C
    11   4     C

可以看到，我们得到的df这个数据框添加了一列rank,就是每名学生的科目的成绩排名，得到的df如下：

ID class  score  rank
    0    1     A     90     1
    1    1     B     90     1
    2    1     C     70     3
    3    2     A     60     3
    4    2     B     80     2
    5    2     C    100     1
    6    3     A     90     3
    7    3     B    100     1
    8    3     C    100     1
    9    4     A     70     3
    10   4     B     80     2
    11   4     C     90     1

然后按需要取出数据即可。

本次分享到此结束，欢迎大家交流~~

[score.csv]: /images/20220415/71536a316ec24938a64dbfdc42a0c8be.png
[1240]: /images/20220415/21fb2de06f1847958186ea9b8eb51d1f.png
[http_pandas.pydata.org_pandas-docs_stable_api.html_groupby]: http://pandas.pydata.org/pandas-docs/stable/api.html#groupby%E3%80%82
[pandas_groupby]: /images/20220415/288b274c622f45a5b49d446939ac046a.png
[1240 1]: /images/20220415/8163ee00d02a4d08a1068023db4b1c2c.png