pandas每天一题-题目12：复杂筛选

这是一个关于 pandas 从基础到进阶的练习题系列，来源于 github 上的 guipsamora/pandas_exercises 。这个项目从基础到进阶，可以检验你有多么了解 pandas。

我会挑选一些题目，并且提供比原题库更多的解决方法以及更详尽的解析。

计划每天更新一期，希望各位小伙伴先自行思考，再查看答案。如果对你有帮助，记得转发推荐给你的好友！

上期文章：pandas每天一题-题目11：筛选数据也有3种方式，最后一种揭示本质

后台回复"数据"，可以下载本题数据集

如下数据：

数据描述：

• 此数据是订单明细表。一个订单会包含很多明细项，表中每个样本(每一行)表示一个明细项
• order_id 列存在重复
• item_name 是明细项物品名称
• quantity 是明细项数量
• item_price 是该明细项的总价钱
• choice_description 是每一项更详尽的描述

例如：某个单子中，客人要 1瓶可乐 和 1瓶雪碧 ，那么这个订单的 order_id 为:'xx'，有2个行记录(样本)，2行的item_name 都是 "Canned Soda"(苏打水，视为罐装饮料) ，quantity 都是1。

第一行的 choice_description 是 "Diet Coke"(可乐) ，第二行是 "Sprite"(雪碧)

需求：

1. 找出包含 Canned Soda 的订单(item_name有 Canned Soda 的 order_id)
2. 找出 Canned Soda 数量大于1的订单
3. 找出同一个订单中多次出现 Canned Soda 的订单

下面是答案了

需求1

找出包含 Canned Soda 的订单(item_name有 Canned Soda 的 order_id)。

初学者容易写出以下错误代码：

df.query('item_name == "Canned Soda"')

你能确保一个订单中只出现一次 "Canned Soda" ？

验证一下：

(
    df.query('item_name == "Canned Soda"')['order_id']
    .value_counts()
)

• 有些订单会同时出现多次 "Canned Soda"
• 逻辑很简单，第一次点餐的饮料喝完了，还想再喝，"再来一瓶"呗

理解这一点，就很容易解决，去重就可以了：

(
    df.query('item_name == "Canned Soda"')['order_id']
    .drop_duplicates()
)

去重是之前章节的内容，不再讲解

需求2

找出 Canned Soda 数量大于1的订单

其实只是在需求1的基础上添加数据条件即可：

(
    df.query("item_name == 'Canned Soda' and quantity>1")['order_id']
    .drop_duplicates()
)

需求3

找出同一个订单中多次出现 Canned Soda 的订单

其实在需求1里面，就出现了一种解法：

(
    df.query('item_name == "Canned Soda"')['order_id']
    .value_counts()
)

这离需求还差2步：

1. 把数量大于1的筛选出来
2. 列出订单(order_id)

(
    df.query('item_name == "Canned Soda"')['order_id']
    .value_counts()
    .to_frame('counts')
    .query('counts>1')
    .index
)

输出：
Int64Index([108, 1434, 1156, 1484, 81, 1396, 496, 787, 450], dtype='int64')

• 行3：得到的是一列(Series)
• 行4：因为 Series 是没有 query 方法，那么我们就把 Series 转成 DataFrame
• 行5：可以用 query 查询了
• 行6：现在行索引才是 order_id ，取出来就可以

不得不说，上面的解法很少见。这样写只是为了让代码能够连续调用。

下面是常见做法：

counts = (
    df.query('item_name == "Canned Soda"')['order_id']
    .value_counts()
)

cond = counts > 1 
counts[cond].index

• 行6：构造 bool 列
• 行7：筛选

推荐阅读：

1. sql题目pandas解法(01)：筛选、all、any常用技巧
2. 懂Excel就能轻松入门pandas(一)：筛选功能