196. Delete Duplicate Emails

Description

Pandas Schema

data = [[1, 'john@example.com'], [2, 'bob@example.com'], [3, 'john@example.com']]
person = pd.DataFrame(data, columns=['id', 'email']).astype({'id':'int64', 'email':'object'})

Table: Person

+-------------+---------+
| Column Name | Type    |
+-------------+---------+
| id          | int     |
| email       | varchar |
+-------------+---------+

id is the primary key (column with unique values) for this table. Each row of this table contains an email. The emails will not contain uppercase letters.

Write a solution to delete all duplicate emails, keeping only one unique email with the smallest id.

For SQL users, please note that you are supposed to write a DELETE statement and not a SELECT one. For Pandas users, please note that you are supposed to modify Person in place.

After running your script, the answer shown is the Person table. The driver will first compile and run your piece of code and then show the Person table. The final order of the Person table does not matter.

The result format is in the following example.

Example 1:

• Input:

   
    Person table:
    +----+------------------+
    | id | email            |
    +----+------------------+
    | 1  | john@example.com |
    | 2  | bob@example.com  |
    | 3  | john@example.com |
    +----+------------------+
    

• Output:

    +----+------------------+
    | id | email            |
    +----+------------------+
    | 1  | john@example.com |
    | 2  | bob@example.com  |
    +----+------------------+
    

• Explanation: john@example.com is repeated two times. We keep the row with the smallest Id = 1.

Submitted Code

import pandas as pd

def delete_duplicate_emails(person: pd.DataFrame) -> None:
    # id를 오름차순으로 정렬
    person.sort_values(by="id", inplace=True)
    
    # 중복값 중 첫 번째만 남기고 모두 삭제
    person.drop_duplicates(subset="email", keep="first", inplace=True)

Runtime: 366 ms | Beats 71.54%
Memory: 67.33 MB | Beats 10.74%

판다스의 drop_duplicates을 쓰면 간단하게 풀 수 있다. 다만 id 값의 순서가 1부터 시작하지 않는 예시에 이대로 적용하면 id 값이 더 큰 행이 남게 되는데 그럴 경우 통과가 되지 않았다. 그래서 먼저 id 열을 순서대로 정렬해야 했다.
또 새로운 데이터프레임을 반환하지 말고 Person 데이터프레임 자체를 직접 수정해야 한다는 조건이 있기 때문에 inplace=True 옵션을 사용해야 한다. 이번에 알게 된 사실은 함수에 이 옵션을 사용한 값을 return하면 None을 반환한다는 것이다. 그래서 return하면 오히려 에러가 나게 된다.

Other Solutions

1st

DELETE p FROM Person p                  -- 마지막으로 p 지우기
JOIN Person p2                          -- Person에서 자기 자신을 조인
ON p.Email = p2.Email AND p.Id > p2.Id; -- 같은 이메일을 가진 행끼리 서로 연결시키고 그 중 p의 id가 더 큰 행만 남기기

SQL의 경우 SELECT를 사용하지 않는다는 조건이 있어서 JOIN과 DELETE로 푸는 것 같다.

2nd

delete p1 from person p1,person p2 
where p1.email=p2.email and p1.id>p2.id;  -- on 대신 where 사용

위의 솔루션과 비슷하지만 JOIN과 DELETE의 과정이 잘 설명되어있어서 참고했다.

Input: 
Person table:
+----+------------------+
| id | email            |
+----+------------------+
| 1  | john@example.com |
| 2  | bob@example.com  |
| 3  | john@example.com |
+----+------------------+

=> From Person p1, Person p2 : it would look like:
1|john@example.com|1|john@example.com
1|john@example.com|2|bob@example.com 
1|john@example.com|3|john@example.com

2|bob@example.com|1|john@example.com
2|bob@example.com|2|bob@example.com
2|bob@example.com|3|john@example.com

3|john@example.com|1|john@example.com
3|john@example.com|2|bob@example.com
3|john@example.com|3|john@example.com

=> From Person p1, Person p2 where p1.email=p2.email and p1.id>p2.id:
It would look like:
3|john@example.com|1|john@example.com

Now delete this row's matching row in p1 using p1:  delete p1