197. Rising Temperature

Description

Pandas Schema

data = [[1, '2015-01-01', 10], [2, '2015-01-02', 25], [3, '2015-01-03', 20], [4, '2015-01-04', 30]]
weather = pd.DataFrame(data, columns=['id', 'recordDate', 'temperature']).astype({'id':'Int64', 'recordDate':'datetime64[ns]', 'temperature':'Int64'})

Table: Weather

+---------------+---------+
| Column Name   | Type    |
+---------------+---------+
| id            | int     |
| recordDate    | date    |
| temperature   | int     |
+---------------+---------+

id is the column with unique values for this table.
There are no different rows with the same recordDate.
This table contains information about the temperature on a certain day.

Write a solution to find all dates’ id with higher temperatures compared to its previous dates (yesterday).
Return the result table in any order.
The result format is in the following example.

Example 1:

• Input:

   
    Weather table:
    +----+------------+-------------+
    | id | recordDate | temperature |
    +----+------------+-------------+
    | 1  | 2015-01-01 | 10          |
    | 2  | 2015-01-02 | 25          |
    | 3  | 2015-01-03 | 20          |
    | 4  | 2015-01-04 | 30          |
    +----+------------+-------------+
    

• Output:

    +----+
    | id |
    +----+
    | 2  |
    | 4  |
    +----+
    

• Explanation:
  In 2015-01-02, the temperature was higher than the previous day (10 -> 25).
  In 2015-01-04, the temperature was higher than the previous day (20 -> 30).

Submitted Code

import pandas as pd

def rising_temperature(weather: pd.DataFrame) -> pd.DataFrame:
    # 날짜 값을 순서대로 정렬
    weather.sort_values(by='recordDate', inplace=True)

    # 바로 이전 행과 날짜끼리 간격을 계산한 열과 온도 차이끼리 계산한 열 추가
    weather["date_diff"] = weather["recordDate"].diff()
    weather["temp_diff"] = weather["temperature"].diff().fillna(0).astype(int)

    # 이전 행과의 날짜 간격이 1일이고 온도가 더 높은 행만 필터링
    filtered_weather = weather[(weather.date_diff == "1 days") & (weather.temp_diff > 0)]

    # id 값을 기준으로 다시 순서대로 정렬
    filtered_weather.sort_values(by='id', inplace=True)
    print(filtered_weather)

    # id 열의 이름을 변경하고 해당 열만 가져오기
    filtered_weather = filtered_weather[["id"]].rename(columns={"id": "Id"})
    return filtered_weather

Runtime: 0 ms | Beats 75.67%
Memory: 68.12 MB | Beats 14.99%

주의해야 할 케이스

1. 날짜가 순서대로 정렬되지 않은 경우
2. 날짜가 하루보다 더 큰 간격으로 정렬된 경우

Other Solutions

1st

def rising_temperature(weather: pd.DataFrame) -> pd.DataFrame:
    weather.sort_values(by='recordDate', inplace=True)
    return weather[
        (weather.temperature.diff() > 0)
      & (weather.recordDate.diff().dt.days == 1)
    ][['id']]

.diff()사용 후 dt.days로 해당 datetime 타입에서 일 단위 부분만 가져올 수 있다는 것을 알게 됐다.
그리고 id 열의 이름이 Expected에 Id로 표시되어 있어서 이름을 바꿨는데, 굳이 그렇게 하지 않아도 통과되는 것 같다.

2nd

SELECT today.id             -- 모든 조건에 맞는 행의 id 값 선택
FROM Weather yesterday      -- weather 참조1: yesterday, weather 참조2: today
CROSS JOIN Weather today    -- yesterday today의 모든 가능한 조합 생성

WHERE DATEDIFF(today.recordDate,yesterday.recordDate) = 1   -- 두 날짜의 차이(일 단위)가 1일인 경우만 선택
    AND today.temperature > yesterday.temperature;          -- 오늘의 온도가 어제보다 더 높은 날을 필터링