1，Python数分之Pandas训练，力扣，1783. 大满贯数量

• 学习：知识的初次邂逅
• 复习：知识的温故知新
• 练习：知识的实践应用

目录

 一，原题力扣链接

二，题干

三，建表语句

四，分析

四，Pandas解答：

五，验证

六，总结

 一，原题力扣链接

. - 力扣（LeetCode）

二，题干

表：Players

+----------------+---------+
| Column Name    | Type    |
+----------------+---------+
| player_id      | int     |
| player_name    | varchar |
+----------------+---------+
player_id 是这个表的主键（具有唯一值的列）
这个表的每一行给出一个网球运动员的 ID 和 姓名

表：Championships

+---------------+---------+
| Column Name   | Type    |
+---------------+---------+
| year          | int     |
| Wimbledon     | int     |
| Fr_open       | int     |
| US_open       | int     |
| Au_open       | int     |
+---------------+---------+
year 是这个表的主键（具有唯一值的列）
该表的每一行都包含在每场大满贯网球比赛中赢得比赛的球员的 ID

编写解决方案，找出每一个球员赢得大满贯比赛的次数。结果不包含没有赢得比赛的球员的ID 。

结果集 无顺序要求 。

结果的格式，如下所示。

示例 1:

输入：
Players 表：
+-----------+-------------+
| player_id | player_name |
+-----------+-------------+
| 1         | Nadal       |
| 2         | Federer     |
| 3         | Novak       |
+-----------+-------------+
Championships 表：
+------+-----------+---------+---------+---------+
| year | Wimbledon | Fr_open | US_open | Au_open |
+------+-----------+---------+---------+---------+
| 2018 | 1         | 1       | 1       | 1       |
| 2019 | 1         | 1       | 2       | 2       |
| 2020 | 2         | 1       | 2       | 2       |
+------+-----------+---------+---------+---------+
输出：
+-----------+-------------+-------------------+
| player_id | player_name | grand_slams_count |
+-----------+-------------+-------------------+
| 2         | Federer     | 5                 |
| 1         | Nadal       | 7                 |
+-----------+-------------+-------------------+
解释：
Player 1 (Nadal) 获得了 7 次大满贯：其中温网 2 次(2018, 2019), 法国公开赛 3 次 (2018, 2019, 2020), 美国公开赛 1 次 (2018)以及澳网公开赛 1 次 (2018) 。
Player 2 (Federer) 获得了 5 次大满贯：其中温网 1 次 (2020), 美国公开赛 2 次 (2019, 2020) 以及澳网公开赛 2 次 (2019, 2020) 。
Player 3 (Novak)  没有赢得，因此不包含在结果集中。

三，建表语句

import pandas as pd

data = [[1, 'Nadal'], [2, 'Federer'], [3, 'Novak']]
players = pd.DataFrame(data, columns=['player_id', 'player_name']).astype({'player_id':'Int64', 'player_name':'object'})
data = [[2018, 1, 1, 1, 1], [2019, 1, 1, 2, 2], [2020, 2, 1, 2, 2]]
championships = pd.DataFrame(data, columns=['year', 'Wimbledon', 'Fr_open', 'US_open', 'Au_open']).astype({'year':'Int64', 'Wimbledon':'Int64', 'Fr_open':'Int64', 'US_open':'Int64', 'Au_open':'Int64'})

四，分析

第一步，分别以赛事聚合，求每个赛事的次数  最后union合并

df1 = championships.groupby('Wimbledon')['Wimbledon'].count()
df2 = championships.groupby('Fr_open')['Fr_open'].count()
df3 = championships.groupby('US_open')['US_open'].count()
df4 = championships.groupby('Au_open')['Au_open'].count()
df5 = pd.concat([df1,df2,df3,df4])

第二步，对这个表 以球员id分组 sum 次数

期间把  series对象转为 datafarme对象

df6 = df5.to_frame()
df6['player_id'] = df6.index
df6['次数'] = df6[0]
df7 = df6.groupby(['player_id'])['次数'].sum()

第三步： 合并2个表 并且修改表名 使用marge 内连接

df8 = pd.merge(players,df7,how='inner',on='player_id')
df9 = df8.rename(columns={'次数':'grand_slams_count'})

四，Pandas解答：

import pandas as pd

def grand_slam_titles(players: pd.DataFrame, championships: pd.DataFrame) -> pd.DataFrame:
    df1 = championships.groupby('Wimbledon')['Wimbledon'].count()
    df2 = championships.groupby('Fr_open')['Fr_open'].count()
    df3 = championships.groupby('US_open')['US_open'].count()
    df4 = championships.groupby('Au_open')['Au_open'].count()
    df5 = pd.concat([df1,df2,df3,df4])
    df6 = df5.to_frame()
    df6['player_id'] = df6.index
    df6['次数'] = df6[0]
    df7 = df6.groupby(['player_id'])['次数'].sum()
    df8 = pd.merge(players,df7,how='inner',on='player_id')
    df9 = df8.rename(columns={'次数':'grand_slams_count'})
    return df9

五，验证

六，总结

• Pandas中分组聚合的运用 API：groupby
• Pandas中纵向合并的运用 API：concat
• Pandas中series转frame对象的运用 API： to_frame
• Pandas中合并两个表的运用 API：merge
• Pandas中修改列名的运用 API： rename
• python中函数的运用