データサイエンス100本ノックを解いてみる（その1）

"""
P-004: レシート明細のデータフレーム（df_receipt）から売上日（sales_ymd）、
顧客ID（customer_id）、商品コード（product_cd）、売上金額（amount）の順に列を指定し、
以下の条件を満たすデータを抽出せよ。
 顧客ID（customer_id）が"CS018205000001"
"""
df_receipt[["sales_ymd", "customer_id", "product_cd", "amount"]].query("customer_id=='CS018205000001'")

# 以下でも可能
temp = df_receipt[["sales_ymd", "customer_id", "product_cd", "amount"]]
temp[temp['customer_id]=='CS018205000001']

# P-010: 店舗データフレーム（df_store）から、店舗コード（store_cd）が"S14"で始まるものだけ全項目抽出し、10件だけ表示せよ。
df_store.query('store_cd.str.startswith("S14")', engine='python').head(10)

# P-011: 顧客データフレーム（df_customer）から顧客ID（customer_id）の末尾が1のものだけ全項目抽出し、10件だけ表示せよ。
df_customer.query('customer_id.str.endswith("1")', engine='python').head(10)

# P-012: 店舗データフレーム（df_store）から横浜市の店舗だけ全項目表示せよ。
df_store.query('address.str.contains("横浜市")', engine='python')

# P-18: 顧客データフレーム（df_customer）を生年月日（birth_day）で若い順にソートし、先頭10件を全項目表示せよ。
df_customer.sort_values("birth_day", ascending=False).head(10)

# P-021: レシート明細データフレーム（df_receipt）に対し、件数をカウントせよ。
len(df_receipt)

# P-023: レシート明細データフレーム（df_receipt）に対し、店舗コード（store_cd）ごとに売上金額（amount）と売上数量（quantity）を合計せよ。
df_receipt.groupby("store_cd").sum()[["amount", "quantity"]]

# P-026: レシート明細データフレーム（df_receipt）に対し、顧客ID（customer_id）ごとに最も新しい売上日（sales_ymd）と古い売上日を求め、両者が異なるデータを10件表示せよ。
# agg関数を使うことで、同じ要素に対して、複数の集計関数を適用することが可能です。
temp = df_receipt.groupby("customer_id").agg({"sales_ymd":["max", "min"]}).reset_index()
temp.columns = ["_".join(i) for i in temp.columns]
temp[temp.sales_ymd_max != temp.sales_ymd_min].head(10)

# P-037: 商品データフレーム（df_product）とカテゴリデータフレーム（df_category）を内部結合し、商品データフレームの全項目とカテゴリデータフレームの小区分名（category_small_name）を10件表示させよ。
pd.merge(df_product, df_category[["category_small_cd", "category_small_name"]], on="category_small_cd", how="inner").head(10)

# P-040: 全ての店舗と全ての商品を組み合わせると何件のデータとなるか調査したい。店舗（df_store）と商品（df_product）を直積した件数を計算せよ。
df_store_copy = df_store.copy()
df_product_copy = df_product.copy()

df_store_copy["key"] = "dummy"
df_product_copy["key"] = "dummy"

len(pd.merge(df_product_copy, df_store_copy, on="key", how="outer"))

# P-042: レシート明細データフレーム（df_receipt）の売上金額（amount）を日付（sales_ymd）ごとに集計し、
# 各日付のデータに対し、１日前、２日前、３日前のデータを結合せよ。結果は10件表示すればよい。

temp = df_receipt.groupby("sales_ymd").sum().amount.reset_index()
for i in range(1,4):
  temp["amount_diff"+str(i)] = temp.amount.diff(i)

temp.head(10)