付費限定
Reshape Data: Pivot 資料表的樞紐轉換_Intro to Pandas
更新於 2024/01/09閱讀時間約 6 分鐘
題目敘述
題目會給定一個pandas DataFrame作為輸入，要求我們以原有的資料表為基礎，將資料表做樞紐轉換，垂直方向是月份，水平方向是不同的城市，而表格內容是該城市在某個月份的溫度。
測試範例
Example 1:
Input:
+--------------+----------+-------------+
| city | month | temperature |
+--------------+----------+-------------+
| Jacksonville | January | 13 |
| Jacksonville | February | 23 |
| Jacksonville | March | 38 |
| Jacksonville | April | 5 |
| Jacksonville | May | 34 |
| ElPaso | January | 20 |
| ElPaso | February | 6 |
| ElPaso | March | 26 |
| ElPaso | April | 2 |
| ElPaso | May | 43 |
+--------------+----------+-------------+
Output:
+----------+--------+--------------+
| month | ElPaso | Jacksonville |
+----------+--------+--------------+
| April | 2 | 5 |
| February | 6 | 23 |
| January | 20 | 13 |
| March | 26 | 38 |
| May | 43 | 34 |
+----------+--------+--------------+
Explanation:
The table is pivoted, each column represents a city, and each row represents a specific month.
垂直方向是月份，水平方向是不同的城市，而表格內容是該城市在某個月份的溫度。
演算法
以行動支持創作者！付費即可解鎖
本篇內容共 2736 字、0
則留言，僅發佈於Intro. to Pandas 入門題解你目前無法檢視以下內容，可能因為尚未登入，或沒有該房間的查看權限。
90會員
425內容數
由有業界實戰經驗的演算法工程師，
手把手教你建立解題的框架，
一步步寫出高效、清晰易懂的解題答案。
著重在讓讀者啟發思考、理解演算法，熟悉常見的演算法模板。
深入淺出地介紹題目背後所使用的演算法意義，融會貫通演算法與資料結構的應用。
在幾個經典的題目融入一道題目的多種解法，或者同一招解不同的題目，擴展廣度，並加深印象。
留言0
查看全部
你可能也想看
Google News 追蹤
*合作聲明與警語：
本文係由國泰世華銀行邀稿。
證券服務係由國泰世華銀行辦理共同行銷證券經紀開戶業務，定期定額(股)服務由國泰綜合證券提供。
剛出社會的時候，很常在各種 Podcast 或 YouTube 甚至是在朋友間聊天，都會聽到各種市場動態、理財話題，像是：聯準會降息或是近期哪些科
聚合函數
可以對資料的筆數、平均、最大、最小和加總的運算，提供查詢結果：如下表示：
COUNT(Column)：計算筆數，「*」是統計紀錄數。
AVG(Column)：計算欄位平均值。
MAX(Column)：計算欄位最大值。
MIN(Column)：計算欄位最小值。
SUM(Colum
種類
SQL指令分三大部分：
資料定義語言(Data Definition Language，DDL)：建立資料表、索引和檢視表等，和定義資料表的欄位。
資料操作語言(Data Manipulation Language，DML)：資料表紀錄查詢、插入、刪除和更新指令。
資料控制語言(Dat
多條件查詢
AND運算子
SELECT * FROM your_table_name WHERE column1 LIKE '_value1%' AND column2 = number2
OR運算子
SELECT * FROM your_table_name WHERE colu
查詢範圍
指定欄位
SELECT column1, column2, column3,... FROM your_table_name
不重複欄位
SELECT DISTINCT column1 FROM your_table_name
欄位別名
SELECT column1 A
過往我們有介紹了「【Google Colab Python系列】 資料處理神器 Pandas 起手式」， 相信對於pandas的基本操作具有一定的基礎知識了， 主要著重在基本的操作， 讓我們快速篩選與分析資料， 但真實的世界是有可能具有很多類型的資料集分別儲存， 而不同的資料集又具有一些相似度， 需
在Data Driven行銷Part 中提及到Data Driven行銷已經成為了一種必要的策略。透過數據驅動的策略，企業可以更準確地預測市場趨勢，更有效地分配資源，並更精確地衡量行銷效果。
Data-Driven Marketing 已成為行銷人必須掌握的關鍵手法。這種行銷模式是以客戶資料為基礎，透過數據分析來驅動行銷策略的製定和實施。這種模式讓我們能更精準地理解客戶需求，並最大化行銷效益。
懶人包重點整理
1. Revenue YOY growth rate呈現V轉提高至了88%，margin rate仍舊維持在75%上下，完全符合高成長公司的水準。
2. 消費超過100k/per year的客戶成長了93%，即使大部分來自於原來的客戶但是證明了客戶對產品的滿意度極高，藉此可引來更
當前大多數的雲端軟體均建立在複雜的Tech stack之上，因此在解決問題前常常需要花費大量的時間找到原因，相信許多業內的工程師或者是IT人員都曾經歷過花費數小時找到原因卻只花短短的時間解決問
*合作聲明與警語：
本文係由國泰世華銀行邀稿。
證券服務係由國泰世華銀行辦理共同行銷證券經紀開戶業務，定期定額(股)服務由國泰綜合證券提供。
剛出社會的時候，很常在各種 Podcast 或 YouTube 甚至是在朋友間聊天，都會聽到各種市場動態、理財話題，像是：聯準會降息或是近期哪些科
聚合函數
可以對資料的筆數、平均、最大、最小和加總的運算，提供查詢結果：如下表示：
COUNT(Column)：計算筆數，「*」是統計紀錄數。
AVG(Column)：計算欄位平均值。
MAX(Column)：計算欄位最大值。
MIN(Column)：計算欄位最小值。
SUM(Colum
種類
SQL指令分三大部分：
資料定義語言(Data Definition Language，DDL)：建立資料表、索引和檢視表等，和定義資料表的欄位。
資料操作語言(Data Manipulation Language，DML)：資料表紀錄查詢、插入、刪除和更新指令。
資料控制語言(Dat
多條件查詢
AND運算子
SELECT * FROM your_table_name WHERE column1 LIKE '_value1%' AND column2 = number2
OR運算子
SELECT * FROM your_table_name WHERE colu
查詢範圍
指定欄位
SELECT column1, column2, column3,... FROM your_table_name
不重複欄位
SELECT DISTINCT column1 FROM your_table_name
欄位別名
SELECT column1 A
過往我們有介紹了「【Google Colab Python系列】 資料處理神器 Pandas 起手式」， 相信對於pandas的基本操作具有一定的基礎知識了， 主要著重在基本的操作， 讓我們快速篩選與分析資料， 但真實的世界是有可能具有很多類型的資料集分別儲存， 而不同的資料集又具有一些相似度， 需
在Data Driven行銷Part 中提及到Data Driven行銷已經成為了一種必要的策略。透過數據驅動的策略，企業可以更準確地預測市場趨勢，更有效地分配資源，並更精確地衡量行銷效果。
Data-Driven Marketing 已成為行銷人必須掌握的關鍵手法。這種行銷模式是以客戶資料為基礎，透過數據分析來驅動行銷策略的製定和實施。這種模式讓我們能更精準地理解客戶需求，並最大化行銷效益。
懶人包重點整理
1. Revenue YOY growth rate呈現V轉提高至了88%，margin rate仍舊維持在75%上下，完全符合高成長公司的水準。
2. 消費超過100k/per year的客戶成長了93%，即使大部分來自於原來的客戶但是證明了客戶對產品的滿意度極高，藉此可引來更
當前大多數的雲端軟體均建立在複雜的Tech stack之上，因此在解決問題前常常需要花費大量的時間找到原因，相信許多業內的工程師或者是IT人員都曾經歷過花費數小時找到原因卻只花短短的時間解決問