力扣30 天 Pandas 挑战（3）---数据操作

本文围绕力扣的Pandas简单题集，解析如何用Pandas完成基础数据处理任务，适合Pandas初学者学习。

题目1：177. 第N高的薪水

题目描述：

表: Employee

+-------------+------+
| Column Name | Type |
+-------------+------+
| id          | int  |
| salary      | int  |
+-------------+------+
id 是该表的主键（列中的值互不相同）。该表的每一行都包含有关员工工资的信息。

编写一个解决方案查询 Employee 表中第 n 高的 不同 工资。如果少于 n 个不同工资，查询结果应该为 null 。

查询结果格式如下所示。

示例 :

输入: 
Employee table:
+----+--------+
| id | salary |
+----+--------+
| 1  | 100    |
| 2  | 200    |
| 3  | 300    |
+----+--------+
n = 2
输出: 
+------------------------+
| getNthHighestSalary(2) |
+------------------------+
| 200                    |
+------------------------+

解题思路：

1.将表中数据按salary列删去重复行并降序排列，题目要求第n高薪水即对应n-1索引行。

2.判断n是否为有效数据，即n是否大于0，表中是否有足够n行的数据。

题目代码：

import pandas as pd

def nth_highest_salary(employee: pd.DataFrame, N: int) -> pd.DataFrame:
    # 处理无效的N（小于1）
    if N < 1:
        col_name = f'getNthHighestSalary({N})'
        return pd.DataFrame({col_name: [None]})
    # 获取唯一工资并降序排序
    unique_salaries = employee['salary'].drop_duplicates().sort_values(ascending=False)
    
    # 检查是否有足够的n行数据
    if len(unique_salaries) < N:
        col_name = f'getNthHighestSalary({N})'
        return pd.DataFrame({col_name: [None]})
    
    # 获取第N高的工资（索引从0开始）
    nth_salary = unique_salaries.iloc[N-1]
    
    col_name = f'getNthHighestSalary({N})'
    return pd.DataFrame({col_name: [nth_salary]})

题目2：176. 第二高的薪水

题目描述：

Employee 表：

+-------------+------+
| Column Name | Type |
+-------------+------+
| id          | int  |
| salary      | int  |
+-------------+------+
id 是这个表的主键。
表的每一行包含员工的工资信息。

查询并返回 Employee 表中第二高的 不同 薪水 。如果不存在第二高的薪水，查询应该返回 null(Pandas 则返回 None) 。

解题思路：

与题目1：177. 第N高的薪水类似，重复值删去并降序排列之后，返回固定2行的数据，若不足2行，返回空。

题目代码：

import pandas as pd

def second_highest_salary(employee: pd.DataFrame) -> pd.DataFrame:
    # 获取工资并降序排序
    unique_salaries = employee['salary'].drop_duplicates().sort_values(ascending=False)
    
    # 判断是否有2行
    if len(unique_salaries) < 2:
        return pd.DataFrame({'SecondHighestSalary': [None]})
    
    # 获取第二高的工资（索引从0开始）
    second_salary = unique_salaries.iloc[1]
    return pd.DataFrame({'SecondHighestSalary': [second_salary]})

题目3：184. 部门工资最高的员工

题目描述：

表： Employee

+--------------+---------+
| 列名          | 类型    |
+--------------+---------+
| id           | int     |
| name         | varchar |
| salary       | int     |
| departmentId | int     |
+--------------+---------+
在 SQL 中，id是此表的主键。
departmentId 是 Department 表中 id 的外键（在 Pandas 中称为 join key）。
此表的每一行都表示员工的 id、姓名和工资。它还包含他们所在部门的 id。

表： Department

+-------------+---------+
| 列名         | 类型    |
+-------------+---------+
| id          | int     |
| name        | varchar |
+-------------+---------+
在 SQL 中，id 是此表的主键列。
此表的每一行都表示一个部门的 id 及其名称。

查找出每个部门中薪资最高的员工。
按 任意顺序 返回结果表。

解题思路：

找出每个部门的最高薪资，再在表中筛选薪资等于部门最高薪资的行，重命名列名并作为返回值返回。

题目代码：

import pandas as pd

def department_highest_salary(employee: pd.DataFrame, department: pd.DataFrame) -> pd.DataFrame:
    
    merged = pd.merge(employee, department, left_on='departmentId', right_on='id', how='left')
    
    #找出每个部门的最高薪资
    max_salaries = merged.groupby('name_y')['salary'].max().reset_index()
    max_salaries.columns = ['Department', 'MaxSalary']
    
    #筛选出薪资等于部门最高薪资的员工
    result = pd.merge(merged, max_salaries, left_on=['name_y', 'salary'], right_on=['Department', 'MaxSalary'])
   
    result = result[['name_y', 'name_x', 'salary']]
    result.columns = ['Department', 'Employee', 'Salary']
    return result

题目4：178. 分数排名

题目描述：

表: Scores

+-------------+---------+
| Column Name | Type    |
+-------------+---------+
| id          | int     |
| score       | decimal |
+-------------+---------+
id 是该表的主键（有不同值的列）。
该表的每一行都包含了一场比赛的分数。Score 是一个有两位小数点的浮点值。

编写一个解决方案来查询分数的排名。排名按以下规则计算:

分数应按从高到低排列。
如果两个分数相等，那么两个分数的排名应该相同。
在排名相同的分数后，排名数应该是下一个连续的整数。换句话说，排名之间不应该有空缺的数字。按 score 降序返回结果表。

解题思路：

将表按成绩降序排列，再使用dense_rank()方法，dense_rank() 是一个窗口函数，用于为结果集中的行分配排名，其中相同值的行获得相同的排名，并且排名是连续的（没有间隔）。

题目代码：

import pandas as pd

def order_scores(scores: pd.DataFrame) -> pd.DataFrame:
    # 按分数降序排序
    sorted_scores = scores.sort_values(by='score', ascending=False)
    
    # 使用dense_rank方法
    sorted_scores['rank'] = sorted_scores['score'].rank(method='dense', ascending=False).astype(int)
    
    return sorted_scores[['score', 'rank']]

题目5：196. 删除重复的电子邮箱

题目描述：

表: Person

+-------------+---------+
| Column Name | Type    |
+-------------+---------+
| id          | int     |
| email       | varchar |
+-------------+---------+
id 是该表的主键列(具有唯一值的列)。
该表的每一行包含一封电子邮件。电子邮件将不包含大写字母。

编写解决方案 删除 所有重复的电子邮件，只保留一个具有最小 id 的唯一电子邮件。

（对于 SQL 用户，请注意你应该编写一个 DELETE 语句而不是 SELECT 语句。）

（对于 Pandas 用户，请注意你应该直接修改 Person 表。）

运行脚本后，显示的答案是 Person 表。驱动程序将首先编译并运行您的代码片段，然后再显示 Person 表。Person 表的最终顺序 无关紧要 。

解题思路：

将表中数据按id升序排列，再使用drop_duplicates方法只保留首个重复行，删去其他重复行。

题目代码：

import pandas as pd

def delete_duplicate_emails(person: pd.DataFrame) -> None:

    #按id升序排列
    person.sort_values('id', inplace=True)
    #使用drop_duplicates（）方法保留重复的首行数据
    person.drop_duplicates(subset='email', keep='first', inplace=True)

题目6：1795. 每个产品在不同商店的价格

题目描述：

表：Products

+-------------+---------+
| Column Name | Type    |
+-------------+---------+
| product_id  | int     |
| store1      | int     |
| store2      | int     |
| store3      | int     |
+-------------+---------+
在 SQL 中，这张表的主键是 product_id（产品Id）。
每行存储了这一产品在不同商店 store1, store2, store3 的价格。
如果这一产品在商店里没有出售，则值将为 null。

请你重构 Products 表，查询每个产品在不同商店的价格，使得输出的格式变为(product_id, store, price) 。如果这一产品在商店里没有出售，则不输出这一行。

输出结果表中的 顺序不作要求 。

解题思路：

使用melt（）函数将宽格式转换为长格式，再删除价格为空的行。

题目代码：

import pandas as pd

def rearrange_products_table(products: pd.DataFrame) -> pd.DataFrame:
   
    result = products.melt(
        id_vars=['product_id'],
        var_name='store',
        value_name='price'
    )
    result = result.dropna(subset=['price']) 
    return result