題目概述[問題連結]
Input 格式資料表名為 Delivery，包含以下欄位：
每筆記錄代表一筆訂單，顧客可以在下單時指定偏好配送日期。
delivery_id是主鍵。- 每位顧客可能有多筆訂單。
Output 格式輸出結果需包含以下欄位：
代表顧客中第一筆訂單為即時配送的比例（百分比表示法）。
解釋：
- 顧客 1 的第一筆訂單是 id=1，是排程（scheduled）
- 顧客 2 的第一筆訂單是 id=2，是即時（immediate）
- 顧客 3 的第一筆訂單是 id=5，是排程（scheduled）
- 顧客 4 的第一筆訂單是 id=7，是即時（immediate）
總共 4 位顧客，2 位為即時 → 比例為 2/4 = 0.5 → 50.00
Pandas 解法 1用 idxmin精準定位最早訂單Step 1: 使用 groupby 搭配 idxmin()，根據 customer_id 分組，找出每組中 order_date 最早的索引，進而取得每位顧客的第一筆訂單。
Step 2: 判斷即時配送，比較 order_date 與 customer_pref_delivery_date 是否相同，若相同則為即時配送。
Step 3: 計算百分比，統計即時配送的筆數，除以總顧客數，乘以 100，並四捨五入至小數點後兩位。
def immediate_food_delivery(delivery: pd.DataFrame) -> pd.DataFrame:
first_orders = delivery.loc[delivery.groupby('customer_id')['order_date'].idxmin()]
immediate_count = (first_orders['order_date'] == first_orders['customer_pref_delivery_date']).sum()
total_customers = first_orders.shape[0]
percentage = round(immediate_count * 100 / total_customers, 2)
return pd.DataFrame({'immediate_percentage': [percentage]})
Pandas 解法 2排好順序直接抽第一筆
Step 1: 排序資料， 將資料依照 customer_id 和 order_date 進行排序，確保每位顧客的第一筆訂單位於最前面。
Step 2: 去除重複值，使用 drop_duplicates，以 customer_id 為依據，保留每位顧客的第一筆訂單。
Step 3:判斷即時配送並計算百分比，同解法一。
def immediate_food_delivery(delivery: pd.DataFrame) -> pd.DataFrame:
delivery_sorted = delivery.sort_values(by=['customer_id', 'order_date'])
first_orders = delivery_sorted.drop_duplicates(subset='customer_id', keep='first')
immediate_count = (first_orders['order_date'] == first_orders['customer_pref_delivery_date']).sum()
total_customers = first_orders.shape[0]
percentage = round(immediate_count * 100 / total_customers, 2)
return pd.DataFrame({'immediate_percentage': [percentage]})
Pandas 解法 2.a使用 first()，直接取得每位顧客的第一筆訂單。first_orders = delivery_sorted.groupby('customer_id').first().reset_index()
Pandas 解法 2.b使用 nth(0)，直接取得每位顧客的第一筆訂單。first_orders = delivery_sorted.groupby('customer_id').nth(0).reset_index()
Pandas 解法 2.c用 rank(method='dense') 標記首筆資料delivery['rnk'] = delivery.groupby('customer_id')['order_date'].rank(method='dense')
first_orders = delivery[delivery['rnk'] == 1]
Pandas 解法 3使用groupby、merge與agg的組合技
Step 1: 找出每位顧客的最早訂單日期，使用 groupby 搭配 agg()，取得每位顧客的最早 order_date。
Step 2:合併原始資料，將上述結果與原始資料進行合併，取得完整的第一筆訂單資訊。
Step 3:標記即時配送，新增一個 immediate 欄位，若 order_date 與 customer_pref_delivery_date 相同，則標記為 1，否則為 0。
Step 4:計算百分比，
- 使用
agg()計算即時配送的總數與總配送數，agg()回傳的是 Series，為了能像表格那樣操作，用.to_frame()轉成單欄 DataFrame，再.T做轉置，讓每個欄位在橫向呈現。
def immediate_food_delivery(delivery: pd.DataFrame) -> pd.DataFrame:
first_order = delivery.groupby('customer_id', as_index=False).agg({'order_date': 'min'})
first_order_info = first_order.merge(delivery, on=['customer_id', 'order_date'])
first_order_info['immediate'] = (first_order_info['order_date'] == first_order_info['customer_pref_delivery_date']).astype(int)
df = first_order_info.agg({'immediate': 'sum', 'customer_id': 'nunique'}).to_frame().T
df['immediate_percentage'] = (df['immediate'] / df['customer_id']) * 100
return df[['immediate_percentage']].round(2)
Pandas 錯誤解法以下解法看似快速且雖能通過偵錯，但其實不是正確的方法，你可以從第一步發現，對整張表做 .min()，等於是對每一個欄位分別取最小值，因此它們可能來自不同訂單。只是剛好在這個例子的資料集order_date & customer_pref_delivery_date 剛好不會被錯置，意味著這題的資料客戶想要的時間"絕對"不會比下一筆訂單(或配送單)晚。其實你仔細看看回傳的資料就可以發現customer id 3的資料已經有出了問題，回傳的delivery id是4，不是原資料的5，因為這個指令是回傳每個欄位的最小值，不過因為這題delivery id只是迷惑答題人的欄位而已，因此不會在偵錯時被擋住。
def immediate_food_delivery(delivery: pd.DataFrame) -> pd.DataFrame:
Total = len(df:= delivery.groupby("customer_id").min())
Immediate = len(df[df.order_date == df.customer_pref_delivery_date])
return pd.DataFrame({"immediate_percentage": [Immediate / Total *100]}).round(2)
謝謝您花時間將此篇文章讀完，若覺得對您有幫助可以幫忙按個讚、分享來或是珍藏喔!也歡迎Follow我的Threads/ FB，持續追蹤生產力工具、商業分析、商業英文的實用範例，提升自己的職場力喔!
