[每日一练]按日期分组销售产品的最优解法

该题目来自于力扣的pandas题库，链接如下：

1484. 按日期分组销售产品 - 力扣（LeetCode）

题目要求：

表 Activities：

+-------------+---------+
| 列名         | 类型    |
+-------------+---------+
| sell_date   | date    |
| product     | varchar |
+-------------+---------+
该表没有主键(具有唯一值的列)。它可能包含重复项。
此表的每一行都包含产品名称和在市场上销售的日期。

编写解决方案找出每个日期、销售的不同产品的数量及其名称。
每个日期的销售产品名称应按词典序排列。
返回按 sell_date 排序的结果表。
结果表结果格式如下例所示。

示例 1:

输入：
Activities 表：
+------------+-------------+
| sell_date  | product     |
+------------+-------------+
| 2020-05-30 | Headphone   |
| 2020-06-01 | Pencil      |
| 2020-06-02 | Mask        |
| 2020-05-30 | Basketball  |
| 2020-06-01 | Bible       |
| 2020-06-02 | Mask        |
| 2020-05-30 | T-Shirt     |
+------------+-------------+
输出：
+------------+----------+------------------------------+
| sell_date  | num_sold | products                     |
+------------+----------+------------------------------+
| 2020-05-30 | 3        | Basketball,Headphone,T-shirt |
| 2020-06-01 | 2        | Bible,Pencil                 |
| 2020-06-02 | 1        | Mask                         |
+------------+----------+------------------------------+
解释：
对于2020-05-30，出售的物品是 (Headphone, Basketball, T-shirt)，按词典序排列，并用逗号 ',' 分隔。
对于2020-06-01，出售的物品是 (Pencil, Bible)，按词典序排列，并用逗号分隔。
对于2020-06-02，出售的物品是 (Mask)，只需返回该物品名。

代码实现： 

我本人能力有限，做出的答案执行效率太低，这里我们直接看官方的执行速度最快的代码吧。非原创。

import pandas as pd

def categorize_products(activities: pd.DataFrame) -> pd.DataFrame:
    #这里使用特殊参数as_index不要让sell_date变为索引，省去了reset_index()的代码，对总体的数据进行分组
    grouped_df = activities.groupby('sell_date',as_index=False)
    #直接利用聚合函数来进行新列的建立
    df = grouped_df.agg(num_sold=('product','nunique'),products=('product',lambda x:','.join(sorted(set(x)))))
    return df.sort_values(by=['sell_date'])

这个代码主要在于groupby函数，agg函数，lambda函数的用法 

代码及特殊参数解释：

--首先在对全体函数进行分组时，groupby函数使用了一个重要的参数

• as_index = True / False

代表是否把分组的键值设立为索引，默认是True。我们在之前编辑数据时，总是在分组聚合后使用reset_index()函数进行索引的重置，是因为分组聚合后的数据比较复杂，使用这个代码比较保险，而当对整个数据进行分组时，可以直接使用as_index参数，可以提高执行速度，精简代码。

--先进行分组在对数据进行聚合，这样做会将每个日期下的产品按照分组聚合到同一个格子里，但是同时保留了每个产品的信息。

--其次，在新建列并对数据进行编辑聚合时，可以直接使用agg聚合函数，方便且快捷。

• agg函数使用形式：
• agg（min_data=('sale_date',min),max_data=('sale_date',max)
• .agg({'A': 'sum', 'B': 'mean', 'C': 'max'})

这里我们使用第一个使用形式。

--关于lambda函数的强大的遍历效果

我们在聚合函数内建立了products列后，要把表格中的数据都分组放在一个空间力，并对它们进行去重和按照词典排序，数据很多，使用lambda函数可以很快的遍历求解

#代码
df = grouped_df.agg(products=('product',lambda x:','.join(sorted(set(x)))))

• lambda函数使用方法：
• [ 捕获列表 ] (参数) -> 返回类型 {}

对product列的每个数据之间加入“,”分隔，由于已经分好组了，所以直接给数据传入set函数来去重，传入sorted函数进行字母排序。

--额外思考：

这个代码对于时间列的使用仅仅是用来分组，所以不需要将该列通过：to_datetime()转换为时间类型。但在我们面对大型数据时，还是建议提前对时间类进行清洗。