❤️仅剩20分钟挑战一道Pandas面试题⚠️生死竞速⚠️简直刺激⚡

Posted 2021-09-26 小小明-代码实体

👉作者主页：小小明-代码实体

👉简介：Python领域优质创作者🏆、数据处理专家✌

👉欢迎点赞 👍 收藏 ⭐留言 📝

---

昨晚有位童鞋一道Pandas面试题完全没有思路不会做，通过黄同学找到我时，这道题目离提交答案仅剩20分钟，不过我最终还是在15分钟之内解决了问题，这整个过程简直是刺激~😱😱😱

原题题目如下：

最终要求输出：

要在20分钟内解决这个问题，对于我来说最困难的第一步就是理解题意，作为一名英文渣渣，硬看这个还是理解的太慢。ε＝ε＝ε＝(#>д<)ﾉ啊啊啊，简直是生死竞速啊，怎么办？

最终我使用了腾讯翻译官进行辅助，翻译结果如下：

有了图片翻译工具，这个题目总算理解了。

我总结一下四个规则要求：对于每一天的每一支股票，会有N个来源的价格，去掉空值后优先选择最频繁出现的价格，出现次数全部一样时选择来源id最小的价格，当天该股票全部都是空值时，选择前一个交易日的价格。

搞清楚了规则就可以开始整理数据了，这里我手敲编辑了数据为：

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文件。

已经耗时10分钟了😧怎么办？怎么办？😱

不过也已经到了我最擅长的编码阶段，开干吧❗❗❗

首先使用pandas读取数据：

import pandas as pd

df = pd.read_excel("股票数据.xlsx")
df

这四个规则，直接使用pandas本身的方法会导致代码较为臃肿。由于时间紧迫，这里我直接使用万能的循环来解决这个问题，最终完整代码如下：

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

结果：

可以看到结果满足题目的四点规则要求，历时5分钟编码终于搞定了。😪长舒一口气压压惊~

做完后我立马将代码和截图发给了对方，对方也在提交答案后立马回了我一个红包。

但是表达看不懂，希望我写篇文章：

既然如此，那么我就写下这篇文章来详解这其中的几个小知识点。虽然其实这其中涉及的内容比我以前的老文章要简单20倍以上，不太屑于写，但黄同学都这样邀请了，我就逼自己写一把吧😂

首先呢，我们将整个datafream按照每天每支股票拆分成一个个的Datafream：

for (date, ticker), df_split in df.groupby(["date", "ticker"]):
    print(date, ticker)
    display(df_split)

结果如下：

可以看到这支股票的每一天的数据都被拆分了出来。

取最频繁的价格，我们可以使用众数：

df_split.price.mode()

0    527.28
1    528.29
dtype: float64

这种形式表示众数不止一个，表示出现次数一致，此时规则2要求选择来源id最小的价格，由于数据本身是按照来源id从小到大排序的，那么我们直接取第一个众数即可：

df_split.price.mode().iat[0]

527.28

但是问题是，某个分组可能出现价格全部为空值的情况，此时规则要求取前一个分组的价格，这也是我直接使用循环来解决这个问题的原因，因为可以通过一个变量记录前一次遍历分组的结果。

当然为了避免数据源可能出现无序的情况的情况，我们需要事先对数据进行排序：

df.sort_values(["ticker", "date", "source_id"], inplace=True)

最后我将所有的结果数据都保存到了一个列表中，通过DataFrame的构造函数则可以直接根据一个列表生成一个DataFrame，columns参数指定了列名。

额，感觉实在太过于基础已经没啥可写的了，推荐几篇老文章吧：

• Pandas实战案例-冷空气活动寒潮级别的计算与分类

• 对比Pandas轻松理解MySQL分组聚合的实现原理

• 一道基础题，多种解题思路，引出Pandas多个知识点

• Pandas实现列表分列与字典分列的三个实例

• Pandas直接读取sql脚本

• Pandas基础|列方向分组变形

• Pandas实例|自定义截断分组