Leetcode 解鎖 - Game Play Analysis IV via Pandas (550)

DigNo Ape

發佈於Python

更新於 2025/05/03發佈於 2025/05/03閱讀時間約 14 分鐘

題目概述

問題連結

這題想解的是：當我們手上有一份玩家遊戲活動記錄，要計算「首次登入後隔天也有登入的玩家比例」是多少？

資料是玩家每天登入的記錄，我們需要找出每個玩家的首次登入日期，然後判斷他們是否在隔天也有登入。最後計算這類「忠實玩家」佔全部玩家的比例，並四捨五入至小數點後兩位。

這就像我們在分析遊戲留存率、用戶黏著度時，常見的「次日留存率」指標，是評估遊戲吸引力的重要數據。

Input 格式

表格名稱為 Activity，包含以下欄位：

player_id：玩家ID
device_id：設備ID
event_date：登入日期
games_played：當天玩的遊戲數量

每個玩家可能有多筆登入記錄，但我們只關心他們首次登入後的行為。

Output 格式

輸出一個名為 fraction 的欄位，代表首次登入後隔天也有登入的玩家比例，四捨五入到小數點後兩位。

Pandas 解法 1

只關注前兩次登入

這個方法先取每個玩家的前兩次登入記錄，然後計算這兩次登入的日期差異，找出連續登入的玩家。

Step 1: 依玩家ID和日期排序

Step 2: 使用 groupby().head(2) 取得每個玩家的前兩次登入記錄

Step 3: 計算組內日期差異，找出連續登入的玩家

Step 4: 計算連續登入玩家佔總玩家的比例

def gameplay_analysis(activity: pd.DataFrame) -> pd.DataFrame:
    # 排序確保日期順序正確
    activity = activity.sort_values(by=['player_id', 'event_date'])
    
    # 取每個玩家的前兩次登入記錄
    first_two_logins = activity.groupby('player_id').head(2)
    
    # 計算組內日期差異
    first_two_logins['date_diff'] = first_two_logins.groupby('player_id')['event_date'].diff().dt.days
    
    # 找出連續登入的玩家數量
    consecutive_players = first_two_logins[first_two_logins['date_diff'] == 1]['player_id'].nunique()
    total_players = activity['player_id'].nunique()
    
    # 計算比例
    fraction = consecutive_players / total_players
    
    return pd.DataFrame({'fraction': [round(fraction, 2)]})

Pandas 解法 2

取得每個玩家的下一次登入日期

Step 1: 依玩家ID和日期排序，確保時間順序正確

Step 2: 使用 shift(-1) 取得每個玩家的下一次登入日期

Step 3: 計算日期差異，找出是否隔天登入

Step 4: 只保留每個玩家的第一筆記錄（首次登入）

Step 5: 計算隔天有登入的玩家比例

def gameplay_analysis(activity: pd.DataFrame) -> pd.DataFrame:
    # 排序確保日期順序正確
    activity = activity.sort_values(by=['player_id', 'event_date'])
    
    # 計算每個玩家的下一次登入日期
    activity['next_login_date'] = activity.groupby('player_id')['event_date'].shift(-1)
    
    # 計算日期差異
    activity['date_diff'] = (activity['next_login_date'] - activity['event_date']).dt.days
    
    # 只保留每個玩家的首次登入記錄
    activity = activity.drop_duplicates(subset=['player_id'], keep='first')
    
    # 計算隔天有登入的玩家比例
    total_players = activity['player_id'].nunique()
    consecutive_players = len(activity[activity['date_diff'] == 1])
    fraction = consecutive_players / total_players
    
    return pd.DataFrame({'fraction': [round(fraction, 2)]})

Pandas 解法 3

使用 transform('min') 找出首次登入日期

Step 1: 找出每個玩家的首次登入日期

Step 2: 找出在首次登入後一天也有登入的記錄

Step 3: 計算比例

def gameplay_analysis(activity: pd.DataFrame) -> pd.DataFrame:
    # 找出每個玩家的首次登入日期
    activity['first_login_date'] = activity.groupby('player_id')['event_date'].transform('min')
    
    # 找出在首次登入後一天也有登入的記錄
    consecutive_logins = activity[activity['event_date'] == activity['first_login_date'] + pd.DateOffset(1)]
    
    # 計算比例
    consecutive_players = consecutive_logins['player_id'].nunique()
    total_players = activity['player_id'].nunique()
    fraction = consecutive_players / total_players
    
    return pd.DataFrame({'fraction': [round(fraction, 2)]})

Pandas 解法 3.1

transform('min') + Timedelta 找出次日登入

def gameplay_analysis(activity: pd.DataFrame) -> pd.DataFrame:
    # 找出每個玩家的首次登入日期
    first_login_dates = activity.groupby('player_id')['event_date'].transform('min')
    
    # 找出在首次登入後一天也有登入的玩家
    consecutive_players = activity['player_id'][
        activity['event_date'] == first_login_dates + pd.Timedelta(days=1)
    ].nunique()
    
    # 計算比例
    total_players = activity['player_id'].nunique()
    fraction = consecutive_players / total_players
    
    return pd.DataFrame({'fraction': [round(fraction, 2)]})

Pandas 解法 4

使用 merge 合併首次登入資料

Step 1: 找出每個玩家的首次登入日期

Step 2: 合併首次登入資料

Step 3: 找出在首次登入後一天也有登入的記錄

Step 4: 計算比例

def gameplay_analysis(activity: pd.DataFrame) -> pd.DataFrame:
    # 找出每個玩家的首次登入日期
    first_logins = activity.groupby('player_id')['event_date'].min().reset_index()
    first_logins = first_logins.rename(columns={'event_date': 'first_login_date'})
    
    # 合併首次登入資料
    merged_df = activity.merge(first_logins, on='player_id')
    
    # 找出在首次登入後一天也有登入的記錄
    consecutive_logins = merged_df[merged_df['event_date'] == merged_df['first_login_date'] + pd.DateOffset(1)]
    
    # 計算比例
    consecutive_players = consecutive_logins['player_id'].nunique()
    total_players = activity['player_id'].nunique()
    fraction = consecutive_players / total_players
    
    return pd.DataFrame({'fraction': [round(fraction, 2)]})

Pandas 解法 5

使用 rank() 標記登入順序

Step 1: 為每個玩家的登入記錄標記順序

Step 2: 只保留前兩次登入記錄

Step 3: 計算每個玩家的首次和次次登入日期

Step 4: 計算日期差異

Step 5: 找出連續登入的玩家數量

Step 6: 計算比例

def gameplay_analysis(activity: pd.DataFrame) -> pd.DataFrame:
    # 為每個玩家的登入記錄標記順序
    activity['login_rank'] = activity.groupby('player_id')['event_date'].rank(
        method='first', ascending=True
    )
    
    # 只保留前兩次登入記錄
    total_players = activity['player_id'].nunique()
    filtered_activity = activity[activity['login_rank'] <= 2]
    
    # 計算每個玩家的首次和次次登入日期
    player_stats = filtered_activity.groupby('player_id').agg(
        last_login=('event_date', 'max'),
        first_login=('event_date', 'min')
    ).reset_index()
    
    # 計算日期差異
    player_stats['date_diff'] = (player_stats['last_login'] - player_stats['first_login']).dt.days
    
    # 找出連續登入的玩家數量
    consecutive_players = len(player_stats[player_stats['date_diff'] == 1])
    
    # 計算比例
    fraction = consecutive_players / total_players
    
    return pd.DataFrame({'fraction': [round(fraction, 2)]})