[每日一练]关于查询结果的质量和占比的思考

原题来源于力扣pandas题库第1211题，连接如下：

1211. 查询结果的质量和占比 - 力扣（LeetCode）https://leetcode.cn/problems/queries-quality-and-percentage/?lang=pythondata

1。题目要求：

ueries 表： 

+-------------+---------+
| Column Name | Type    |
+-------------+---------+
| query_name  | varchar |
| result      | varchar |
| position    | int     |
| rating      | int     |
+-------------+---------+
此表可能有重复的行。
此表包含了一些从数据库中收集的查询信息。
“位置”（position）列的值为 1 到 500 。
“评分”（rating）列的值为 1 到 5 。评分小于 3 的查询被定义为质量很差的查询。

将查询结果的质量 quality 定义为：

各查询结果的评分与其位置之间比率的平均值。

将劣质查询百分比 poor_query_percentage 为：

评分小于 3 的查询结果占全部查询结果的百分比。

编写解决方案，找出每次的 query_name 、 quality 和 poor_query_percentage。

quality 和 poor_query_percentage 都应 四舍五入到小数点后两位 。

以 任意顺序 返回结果表。

结果格式如下所示：

示例 1：

输入：
Queries table:
+------------+-------------------+----------+--------+
| query_name | result            | position | rating |
+------------+-------------------+----------+--------+
| Dog        | Golden Retriever  | 1        | 5      |
| Dog        | German Shepherd   | 2        | 5      |
| Dog        | Mule              | 200      | 1      |
| Cat        | Shirazi           | 5        | 2      |
| Cat        | Siamese           | 3        | 3      |
| Cat        | Sphynx            | 7        | 4      |
+------------+-------------------+----------+--------+
输出：
+------------+---------+-----------------------+
| query_name | quality | poor_query_percentage |
+------------+---------+-----------------------+
| Dog        | 2.50    | 33.33                 |
| Cat        | 0.66    | 33.33                 |
+------------+---------+-----------------------+
解释：
Dog 查询结果的质量为 ((5 / 1) + (5 / 2) + (1 / 200)) / 3 = 2.50
Dog 查询结果的劣质查询百分比为 (1 / 3) * 100 = 33.33

Cat 查询结果的质量为 ((2 / 5) + (3 / 3) + (4 / 7)) / 3 = 0.66
Cat 查询结果的劣质查询百分比为 (1 / 3) * 100 = 33.33

2。大体思路以及须知函数：

思路：

首先计算质量公式，然后查询计算劣质分数的百分比，保留两位小数点。最后进行平均计算，将这两个数据返回给一个新变量

重要函数：

agg()聚合函数：可以对分组后或变形后的数据进行聚合处理

groupby()函数：将数据进行分组

size()后置函数:进行频数统计

fillna()函数：自定义替换空值，可以迎合业务需要

round()后置函数：自定义保留几位小数

3。代码演示：

import pandas as pd

def queries_stats(queries: pd.DataFrame) -> pd.DataFrame:

    # 总的计算每个查询的质量
    queries['quality']=queries['rating'] / queries['position']

    #进行坏指标的计算
    poor_queries= queries[queries['rating'] < 3] #查找符合坏指标的数据
    #这里我们要分组计算所有坏指标的频数和所有指标的频数，从而可以进行百分比的计算
    queries_counts=queries.groupby('query_name').size()
    poor_queries_counts=poor_queries.groupby('query_name').size()
    poor_query_percentage=(poor_queries_counts/queries_counts).fillna(0)*100 #如果坏指标不存在产生空值的话用替代。
    
    #平均质量的计算和进行汇总
    result=queries.groupby('query_name').agg({'quality' : 'mean'}).round(2)
    result['poor_query_percentage']=poor_query_percentage.round(2)
    #重置索引，使得分组后的名字变为普通列，使得生成后的数据符合业务需求
    result=result.reset_index()
    return result

4。BUG讨论

实在抱歉，本人是新手，用pandas处理数据库事务还是比较吃力。我上面的代码没有通过最后的一个案例：

'''
Queries =
| query_name                     | result                                             | position | rating |
| ------------------------------ | -------------------------------------------------- | -------- | ------ |
| pdxafib                        | jwqjgyrnhaptivvnqkj                                | 16       | 5      |
| mpzkxkzbompbpbavkb             | srlfyprermbgldweweulwdfmbddgarvtdm                 | 10       | 1      |
| udrcvuaxzjhbnvcyo              | hekmecxifwqthvcixhtnxnhjfzwuzbgirrljrdiz           | 14       | 3      |
| xdyoviczumlpchsnsbnwqmljgh     | kvrydrjdithfoytworvasqlyjulaolldallexqljk          | 3        | 4      |
| xdyoviczumlpchsnsbnwqmljgh     | qkebkugmaikexeuxnaruqrb                            | 19       | 2      |
| snhrdtzetlihfenkdjyatadzhskomr | ejxukcbau                                          | 19       | 4      |
| pdxafib                        | vcsfpqonshcrzowpcxptnjt                            | 18       | 3      |
| dcuzwcamcq                     | qjvzikdbxfhgtywyneozezwycafarobz                   | 9        | 1      |
...
输出
| query_name                     | quality | poor_query_percentage |
| ------------------------------ | ------- | --------------------- |
| alprumqp                       | 0.13    | 100                   |
| boxmkivtcmaqgucfayepvdlrzkwstd | 0.16    | 66.67                 |
| brlenjuadhbjaevowuwtfuoicgfey  | 0.48    | 16.67                 |
| cfcwoydsmbcqds                 | 1.42    | 25                    |
| cfzjkoi                        | 0.33    | 50                    |
| cjtxatphhnxwxkfjcojmvh         | 0.13    | 50                    |
| dcuzwcamcq                     | 0.27    | 40                    |
| dfyiagitstfpzycnojhfegbfcsmr   | 0.7     | 0                     |
| drjghcpuulxohcihqoqwevt        | 0.24    | 28.57                 |
| duvrrsjdlqlmytfjjzulkar        | 0.72    | 50                    |
| ebjfgw                         | 0.3     | 42.86                 |
| ejzvfzcid                      | 1.63    | 0                     |
| ekibmwgcor                     | 0.22    | 25 ...
预期结果
| query_name                     | quality | poor_query_percentage |
| ------------------------------ | ------- | --------------------- |
| pdxafib                        | 0.34    | 0                     |
| mpzkxkzbompbpbavkb             | 0.08    | 100                   |
| udrcvuaxzjhbnvcyo              | 0.41    | 33.33                 |
| xdyoviczumlpchsnsbnwqmljgh     | 0.46    | 25                    |
| snhrdtzetlihfenkdjyatadzhskomr | 0.39    | 16.67                 |
| dcuzwcamcq                     | 0.27    | 40                    |
| wrtmvtnx                       | 0.31    | 50                    |
| jgmsykrgxja                    | 0.22    | 20                    |
| ebjfgw                         | 0.3     | 42.86                 |
| tlbaycikeiljhfvpwjzhdo         | 0.57    | 50                    |
| yitrgpgc                       | 0.18    | 50                    |
| drjghcpuulxohcihqoqwevt        | 0.24    | 28.57                 |
| ekibmwgcor                     | 0.22    | 25 ...
'''

我的代码好像进行了自动排序，不符合业务要求，还请各位思考思考，帮助博主解决这个BUG，谢谢各位 :)