1484. 按日期分组销售产品
2023年8月14日09:49:54
简单
SQL Schema
Pandas Schema
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。
通过次数
57K
提交次数
83.9K
通过率
67.9%
答案
import pandas as pd
def categorize_products(activities: pd.DataFrame) -> pd.DataFrame:
df=activities.groupby('sell_date')['product'].agg(['nunique',lambda x:','.join(sorted(set(x)))])
df.rename(columns={'nunique':'num_sold','<lambda_0>':'products'},inplace=True)
df.reset_index(inplace=True)
df.sort_values(by='sell_date',inplace=True)
return df
# result = activities.drop_duplicates().sort_values("product").groupby("sell_date",as_index=False)
# df = result['product'].agg("count").rename(columns={"product":"num_sold"})
# df["products"] = result['product'].apply(lambda x:','.join(x.values))[["product"]]
# return df