👉作者主页： 小小明-代码实体👉简介：Python领域优质创作者🏆、数据处理专家✌
👉欢迎点赞 👍 收藏 ⭐留言 📝
昨晚有位童鞋一道Pandas面试题完全没有思路不会做，通过黄同学找到我时，这道题目离提交答案仅剩20分钟，不过我最终还是在15分钟之内解决了问题，这整个过程简直是刺激~😱😱😱
原题题目如下：
最终要求输出：
要在20分钟内解决这个问题，对于我来说最困难的第一步就是理解题意，作为一名英文渣渣，硬看这个还是理解的太慢。ε＝ε＝ε＝(#>д<)ﾉ啊啊啊，简直是生死竞速啊，怎么办？
最终我使用了腾讯翻译官进行辅助，翻译结果如下：
有了图片翻译工具，这个题目总算理解了。
我总结一下四个规则要求：对于每一天的每一支股票，会有N个来源的价格，去掉空值后优先选择最频繁出现的价格，出现次数全部一样时选择来源id最小的价格，当天该股票全部都是空值时，选择前一个交易日的价格。
搞清楚了规则就可以开始整理数据了，这里我手敲编辑了数据为：
| 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 |
保存Excel文件。
已经耗时10分钟了😧怎么办？怎么办？😱
不过也已经到了我最擅长的编码阶段，开干吧❗❗❗
首先使用pandas读取数据：
import pandas as pd
df = pd.read_excel("股票数据.xlsx")
df 这四个规则，直接使用pandas本身的方法会导致代码较为臃肿。由于时间紧迫，这里我直接使用万能的循环来解决这个问题，最终完整代码如下：
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 结果：
可以看到结果满足题目的四点规则要求，历时5分钟编码终于搞定了。😪长舒一口气压压惊~
做完后我立马将代码和截图发给了对方，对方也在提交答案后立马回了我一个红包。
但是表达看不懂，希望我写篇文章：
既然如此，那么我就写下这篇文章来详解这其中的几个小知识点。虽然其实这其中涉及的内容比我以前的老文章要简单20倍以上，不太屑于写，但黄同学都这样邀请了，我就逼自己写一把吧😂
首先呢，我们将整个datafream按照每天每支股票拆分成一个个的Datafream：
for (date, ticker), df_split in df.groupby(["date", "ticker"]):
print(date, ticker)
display(df_split) 结果如下：
可以看到这支股票的每一天的数据都被拆分了出来。
取最频繁的价格，我们可以使用众数：
df_split.price.mode() 0 527.28
1 528.29
dtype: float64 这种形式表示众数不止一个，表示出现次数一致，此时规则2要求选择来源id最小的价格，由于数据本身是按照来源id从小到大排序的，那么我们直接取第一个众数即可：
df_split.price.mode().iat[0] 527.28 但是问题是，某个分组可能出现价格全部为空值的情况，此时规则要求取前一个分组的价格，这也是我直接使用循环来解决这个问题的原因，因为可以通过一个变量记录前一次遍历分组的结果。
当然为了避免数据源可能出现无序的情况的情况，我们需要事先对数据进行排序：
df.sort_values(["ticker", "date", "source_id"], inplace=True) 最后我将所有的结果数据都保存到了一个列表中，通过DataFrame的构造函数则可以直接根据一个列表生成一个DataFrame，columns参数指定了列名。
额，感觉实在太过于基础已经没啥可写的了，推荐几篇老文章吧：