sql-leetcode-197. 上升的温度

197. 上升的温度 - 力扣（LeetCode）

这里可以使用 SQL 查询来解决这个问题，或者使用 Pandas 代码来处理数据。以下是两种解决方案：

SQL 解决方案：

SELECT w1.id
FROM Weather w1
JOIN Weather w2
ON DATEDIFF(w1.recordDate, w2.recordDate) = 1
WHERE w1.temperature > w2.temperature;

解释：

• w1 和 w2 都是 Weather 表的别名，我们对自己进行 JOIN 。
• 使用 DATEDIFF(w1.recordDate, w2.recordDate) = 1 来匹配前一天的记录。
• WHERE w1.temperature > w2.temperature 过滤出温度更高的日期。

---

Pandas 解决方案：

import pandas as pd

# 假设 Weather 是一个 Pandas DataFrame
def find_hotter_days(weather: pd.DataFrame) -> pd.DataFrame:
    weather['recordDate'] = pd.to_datetime(weather['recordDate'])  # 确保日期格式正确
    weather_sorted = weather.sort_values('recordDate')  # 先按日期排序
    weather_shifted = weather_sorted.copy()

    # 创建一列 yesterday，存储前一天的温度
    weather_shifted['yesterday_temp'] = weather_shifted['temperature'].shift(1)
    weather_shifted['yesterday_date'] = weather_shifted['recordDate'].shift(1) + pd.Timedelta(days=1)

    # 过滤符合条件的行
    result = weather_shifted[(weather_shifted['recordDate'] == weather_shifted['yesterday_date']) &
                             (weather_shifted['temperature'] > weather_shifted['yesterday_temp'])]

    return result[['id']]

# 示例 DataFrame
data = {
    "id": [1, 2, 3, 4],
    "recordDate": ["2022-06-01", "2022-06-02", "2022-06-03", "2022-06-04"],
    "temperature": [20, 25, 22, 30]
}
weather_df = pd.DataFrame(data)
print(find_hotter_days(weather_df))

解释：

1. 将 recordDate 转换为 datetime 格式。
2. 按 recordDate 排序，以确保时间顺序正确。
3. 使用 shift(1) 创建前一天的温度和日期数据。
4. 过滤符合 recordDate - 1 = 昨天 且 temperature > 昨天的温度 的行。
5. 返回 id 列。

这两种方法都能找到比昨天温度更高的日期的 id，你可以根据需求选择 SQL 或 Pandas 方案。