pandas每天一题-题目12：复杂筛选

这是一个关于 pandas 从基础到进阶的练习题系列，来源于 github 上的 guipsamora/pandas_exercises 。这个项目从基础到进阶，可以检验你有多么了解 pandas。

我会挑选一些题目，并且提供比原题库更多的解决方法以及更详尽的解析。

计划每天更新一期，希望各位小伙伴先自行思考，再查看答案。如果对你有帮助，记得转发推荐给你的好友！

上期文章：pandas每天一题-题目11：筛选数据也有3种方式，最后一种揭示本质

后台回复"数据"，可以下载本题数据集

如下数据：

数据描述：

例如：某个单子中，客人要 1瓶可乐和 1瓶雪碧，那么这个订单的 order_id 为:'xx'，有2个行记录(样本)，2行的item_name 都是 "Canned Soda"(苏打水，视为罐装饮料) ，quantity 都是1。

第一行的 choice_description 是 "Diet Coke"(可乐) ，第二行是 "Sprite"(雪碧)

需求：

下面是答案了

需求1

找出包含 Canned Soda 的订单(item_name有 Canned Soda 的 order_id)。

初学者容易写出以下错误代码：

代码语言：javascript复制

df.query('item_name == "Canned Soda"')

你能确保一个订单中只出现一次 "Canned Soda" ？

验证一下：

代码语言：javascript复制

(
    df.query('item_name == "Canned Soda"')['order_id']
    .value_counts()
)

理解这一点，就很容易解决，去重就可以了：

代码语言：javascript复制

(
    df.query('item_name == "Canned Soda"')['order_id']
    .drop_duplicates()
)

去重是之前章节的内容，不再讲解

找出 Canned Soda 数量大于1的订单

其实只是在需求1的基础上添加数据条件即可：

代码语言：javascript复制

(
    df.query("item_name == 'Canned Soda' and quantity>1")['order_id']
    .drop_duplicates()
)

找出同一个订单中多次出现 Canned Soda 的订单

其实在需求1里面，就出现了一种解法：

代码语言：javascript复制

(
    df.query('item_name == "Canned Soda"')['order_id']
    .value_counts()
)

这离需求还差2步：

代码语言：javascript复制

(
    df.query('item_name == "Canned Soda"')['order_id']
    .value_counts()
    .to_frame('counts')
    .query('counts>1')
    .index
)

代码语言：javascript复制

输出：
Int64Index([108, 1434, 1156, 1484, 81, 1396, 496, 787, 450], dtype='int64')

不得不说，上面的解法很少见。这样写只是为了让代码能够连续调用。

下面是常见做法：

代码语言：javascript复制

counts = (
    df.query('item_name == "Canned Soda"')['order_id']
    .value_counts()
)

cond = counts > 1 
counts[cond].index