👉作者首頁： 小小明-代碼實體👉簡介：Python領域優質創作者🏆、資料處理專家✌
👉歡迎點贊 👍 收藏 ⭐留言 📝
昨晚有位童鞋一道Pandas面試題完全沒有思路不會做，通過黃同學找到我時，這道題目離送出答案僅剩20分鐘，不過我最終還是在15分鐘之内解決了問題，這整個過程簡直是刺激~😱😱😱
原題題目如下：
最終要求輸出：
要在20分鐘内解決這個問題，對于我來說最困難的第一步就是了解題意，作為一名英文渣渣，硬看這個還是了解的太慢。ε＝ε＝ε＝(#>д<)ﾉ啊啊啊，簡直是生死競速啊，怎麼辦？
最終我使用了騰訊翻譯官進行輔助，翻譯結果如下：
有了圖檔翻譯工具，這個題目總算了解了。
我總結一下四個規則要求：對于每一天的每一支股票，會有N個來源的價格，去掉空值後優先選擇最頻繁出現的價格，出現次數全部一樣時選擇來源id最小的價格，當天該股票全部都是空值時，選擇前一個交易日的價格。
搞清楚了規則就可以開始整理資料了，這裡我手敲編輯了資料為：
| date | ticker | price | source_id |
|---|---|---|---|
| 2013/1/2 | AAPL | 515.61 | |
| 515.62 | 1 | ||
| 2 | |||
| 2013/1/3 | 515.16 | ||
| 515.17 | |||
| 515.18 | |||
| 2013/1/4 | |||
| 515.45 | |||
| 515.47 | |||
| 2013/1/7 | |||
| 2013/1/8 | 527.28 | ||
| 528.29 |
儲存Excel檔案。
已經耗時10分鐘了😧怎麼辦？怎麼辦？😱
不過也已經到了我最擅長的編碼階段，開幹吧❗❗❗
首先使用pandas讀取資料：
import pandas as pd
df = pd.read_excel("股票資料.xlsx")
df 這四個規則，直接使用pandas本身的方法會導緻代碼較為臃腫。由于時間緊迫，這裡我直接使用萬能的循環來解決這個問題，最終完整代碼如下：
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 結果：
可以看到結果滿足題目的四點規則要求，曆時5分鐘編碼終于搞定了。😪長舒一口氣壓壓驚~
做完後我立馬将代碼和截圖發給了對方，對方也在送出答案後立馬回了我一個紅包。
但是表達看不懂，希望我寫篇文章：
既然如此，那麼我就寫下這篇文章來詳解這其中的幾個小知識點。雖然其實這其中涉及的内容比我以前的老文章要簡單20倍以上，不太屑于寫，但黃同學都這樣邀請了，我就逼自己寫一把吧😂
首先呢，我們将整個datafream按照每天每支股票拆分成一個個的Datafream：
for (date, ticker), df_split in df.groupby(["date", "ticker"]):
print(date, ticker)
display(df_split) 結果如下：
可以看到這支股票的每一天的資料都被拆分了出來。
取最頻繁的價格，我們可以使用衆數：
df_split.price.mode() 0 527.28
1 528.29
dtype: float64 這種形式表示衆數不止一個，表示出現次數一緻，此時規則2要求選擇來源id最小的價格，由于資料本身是按照來源id從小到大排序的，那麼我們直接取第一個衆數即可：
df_split.price.mode().iat[0] 527.28 但是問題是，某個分組可能出現價格全部為空值的情況，此時規則要求取前一個分組的價格，這也是我直接使用循環來解決這個問題的原因，因為可以通過一個變量記錄前一次周遊分組的結果。
當然為了避免資料源可能出現無序的情況的情況，我們需要事先對資料進行排序：
df.sort_values(["ticker", "date", "source_id"], inplace=True) 最後我将所有的結果資料都儲存到了一個清單中，通過DataFrame的構造函數則可以直接根據一個清單生成一個DataFrame，columns參數指定了列名。
額，感覺實在太過于基礎已經沒啥可寫的了，推薦幾篇老文章吧：