586. Customer Placing the Largest Number of Orders

Description

Pandas Schema

data = [[1, 1], [2, 2], [3, 3], [4, 3]]
orders = pd.DataFrame(data, columns=['order_number', 'customer_number']).astype({'order_number':'Int64', 'customer_number':'Int64'})

Table: Orders

+-----------------+----------+
| Column Name     | Type     |
+-----------------+----------+
| order_number    | int      |
| customer_number | int      |
+-----------------+----------+
order_number is the primary key (column with unique values) for this table.
This table contains information about the order ID and the customer ID.

Write a solution to find the customer_number for the customer who has placed the largest number of orders.

The test cases are generated so that exactly one customer will have placed more orders than any other customer.

The result format is in the following example.

Example 1:

• Input:

    Orders table:
    +--------------+-----------------+
    | order_number | customer_number |
    +--------------+-----------------+
    | 1            | 1               |
    | 2            | 2               |
    | 3            | 3               |
    | 4            | 3               |
    +--------------+-----------------+
    

• Output:

    +-----------------+
    | customer_number |
    +-----------------+
    | 3               |
    +-----------------+
    

• Explanation:
  The customer with number 3 has two orders, which is greater than either customer 1 or 2 because each of them only has one order.
  So the result is customer_number 3.

Follow up: What if more than one customer has the largest number of orders, can you find all the customer_number in this case?

💡 Hint 1:
MySQL uses a different expression to get the first records other than MSSQL's TOP expression.

Submitted Code

import pandas as pd

def largest_orders(orders: pd.DataFrame) -> pd.DataFrame:
    # 같은 customer_number 값끼리 그룹화한 후, 그룹 내에서 order_number 열의 개수 반환
    group_count = orders.groupby("customer_number", as_index=False)[["order_number"]].count()
    
    # group_count에서 order_number 열의 값이 가장 큰 행만 필터링
    max_order = group_count["order_number"].max()
    top_customers = group_count[group_count["order_number"] == max_order]
    
    # top_customers에서 필요한 행만 리턴
    return top_customers[["customer_number"]]

Runtime: 271 ms | Beats 87.20%
Memory: 67.32 MB | Beats 38.86%

마지막에 customer_number행을 반환해야 하기 때문에 그룹화할 때 as_index를 False로 설정해서 인덱스로 넘어가지 않도록 방지했다. 그리고 order_number 열을 이중 대괄호로 선택해서 Series로 변경되지 않고 DataFrame 구조를 유지하도록 했다. 또 테스트 케이스는 최대 주문 고객이 단 1명임을 보장하지만, 만약 공동 1등이 존재할 경우에도 사용 가능하도록 만들어봤다.

   order_number  customer_number
0             1                1
1             2                2
2             3                3
3             4                3

   customer_number  order_number  (← count rows in each group)
0                1             1
1                2             1
2                3             2
                  ↓
   customer_number  order_number  (← only max value)
2                3             2

   customer_number
2                3

Other Solutions

1st

def largest_orders(orders: pd.DataFrame) -> pd.DataFrame:
    df = orders.groupby("customer_number").count().reset_index()
    df = df.sort_values(by=["order_number"],ascending=False)
    return df.iloc[:1,:1]

그룹화해서 각 그룹의 열 개수를 카운팅하는 것 까지는 동일한데, 그 후 내림차순으로 정렬한 후 첫번째 행과 첫 번째 열만 선택하는 방법을 사용했다.

2nd

def largest_orders(orders: pd.DataFrame) -> pd.DataFrame:
    return orders['customer_number'].mode().to_frame()

mode()는 groupby 후 count하고 max값을 찾는 과정 없이 최빈값을 바로 구할 수 있고, 만약 공동 1등이 있을 경우에도 모두 반환하기 때문에 편리하다. Series 형태로 반환되기 때문에 to_frame()으로 다시 변환했는데, orders[['customer_number']].mode()처럼 이중 대괄호를 써도 된다.

3rd

SELECT customer_number            -- 6. customer_number 열만 보여주기 
FROM Orders                       -- 1. 테이블에서 데이터 가져오기
GROUP BY customer_number          -- 2. customer_number 값을 기준으로 그룹화
ORDER BY count(*) DESC LIMIT 1;   /* 3. 각 그룹에 대해 행 개수 집계
                                     4. 집계 결과를 기준으로 내림차순
                                     5. 상단 첫 번째 행만 남기기 */