🔷 DA37：统计运动会项目报名人数（仅输出有人报名的项目）

✅ 题目描述

给定两个 CSV 文件：

• items.csv：包含项目信息（item_id, item_name, location）
• signup.csv：包含员工报名信息（employee_id, name, sex, department, item_id）

要求：统计每个项目的报名人数，只输出报名人数不为 0 的项目。

💡 即：只要有人报了的项目才显示。

---

✅ 正确代码

import pandas as pddf_items = pd.read_csv('items.csv', sep=',')
df_signup = pd.read_csv('signup.csv', sep=',')# 内连接合并，自动过滤没有报名记录的项目
df_merge = pd.merge(df_items, df_signup, on='item_id')# 按项目名称分组，统计 employee_id 的数量
result = df_merge.groupby('item_name')['employee_id'].size()print(result)

---

🔍 代码解析

行	解释
pd.merge(..., on='item_id')	使用 item_id 作为键进行内连接（默认），只有在两个表中都存在的项目才会保留 → 自动排除无人报名的项目
.groupby('item_name')	按“项目名称”分组
['employee_id'].size()	统计每组中有多少条记录（即报名人数）<br>⚠️ 注意：size() 包括 NaN 值；若用 count() 则会跳过 NaN（更安全）
print(result)	输出 Series：索引是项目名，值是人数

✅ 特点：使用 inner join（默认），天然只保留有报名数据的项目。

---

🧠 扩展知识

知识点	说明
merge() 默认行为	不指定 how 时，默认为 'inner'，即只保留两表共有的 key
groupby().size() vs .count()	<ul><li>size()：返回每组总行数，包括 NaN</li><li>count()：对各列统计非空值个数</li></ul>在此场景下两者等价（employee_id 不为空）
输出格式	返回的是一个 Series，打印时自动省略列名，符合题目要求

---

🔷 DA38：统计运动会项目报名人数（二）—— 包含无人报名的项目

✅ 题目描述

同上，但这次要求：

输出 items.csv 中所有项目的报名人数，即使没人报名也显示为 0。

---

✅ 正确代码

import pandas as pddf_items = pd.read_csv('items.csv', sep=',')
df_signup = pd.read_csv('signup.csv', sep=',')# 左连接：以 items 为主表，保留所有项目
df_merge = pd.merge(df_items, df_signup, on='item_id', how='left')# 分组并使用 count 统计非空 employee_id 数量
result = df_merge.groupby('item_name')['employee_id'].count()print(result)

---

🔍 代码解析

关键点	解释
how='left'	左连接，确保 df_items 中的所有项目都被保留<br>→ 即使没人报名，也会出现在结果中，employee_id 为 NaN
.count()	只统计非 NaN 的值 → 无人报名则为 0
groupby('item_name')	按项目名聚合
print(result)	输出所有项目及其报名人数（含 0）

✅ 核心思想：主表驱动 + left join + count 处理缺失值

---

🧠 扩展知识

技巧	应用场景
left join	主表完整、从表补充信息的经典模式（如商品+销量）
fillna(0)	如果你想显式补零：df_merge['employee_id'].fillna(0)
reindex()	若想确保所有项目按 items.csv 顺序出现，可用 reindex

---

🔷 DA39：多报名表的运动项目人数统计

✅ 题目描述

新增一个文件 signup1.csv，是另一个部门的报名数据。 要求：将 signup.csv 和 signup1.csv 合并后，再统计各项目的报名人数（只输出有人报名的）。

---

✅ 正确代码

import pandas as pditem = pd.read_csv("items.csv", sep=",")
sign = pd.read_csv("signup.csv", sep=",")
sign1 = pd.read_csv("signup1.csv", sep=",")# 上下拼接两个报名表
sign_m = pd.concat([sign, sign1], axis=0)# 与项目表内连接
m = pd.merge(sign_m, item, how="inner", on="item_id")# 按项目名分组，统计员工数量
print(m.groupby("item_name")["employee_id"].count())

---

🔍 代码解析

步骤	说明
pd.concat([sign, sign1], axis=0)	将两个报名表纵向堆叠（union），合并成一张大报名表
axis=0	沿行方向拼接（上下接）
merge(..., how='inner')	只保留存在于 items.csv 中的项目（防止无效 item_id）
groupby().count()	统计每个项目的总报名人数（来自两个文件）

✅ 重点：先合并报名数据，再关联项目信息。

---

🧠 扩展知识

方法	用途
pd.concat([...], ignore_index=True)	重置行索引，避免重复 index
append() 已弃用	推荐使用 concat 替代
去重处理	若担心重复报名：sign_m.drop_duplicates(subset=['employee_id', 'item_id'])

---

🔷 DA40：统计职能部门中报名标枪的员工信息

✅ 题目描述

找出 职能部门（functional） 中报名了 标枪（javelin） 的所有员工，并输出他们的：

• employee_id
• name
• sex

⚠️ 注意：结果要重置索引（从 0 开始连续编号）

---

✅ 正确代码

import pandas as pd df1 = pd.read_csv("items.csv", sep=',')
df2 = pd.read_csv("signup.csv", sep=',')# 先合并项目和报名信息
df = pd.merge(df1, df2, on='item_id')# 筛选条件：部门是 functional，项目是 javelin
df_fun = df[(df.department == 'functional') & (df.item_name == "javelin")]# 选择指定列并重置索引
result = df_fun[["employee_id", "name", "sex"]].reset_index(drop=True)print(result)

---

🔍 代码解析

步骤	说明
pd.merge(..., on='item_id')	获取每个报名记录对应的项目名称
(df.A == X) & (df.B == Y)	多条件筛选，注意括号和 &（不能用 and）
df[[...]]	选取特定列
.reset_index(drop=True)	重新生成从 0 开始的整数索引，丢弃原索引

✅ 输出是一个 DataFrame，结构清晰。

---

🧠 扩展知识

技术点	提示
条件逻辑运算符	<ul><li>&：且</li><li>&#124;：或</li><li>~：非</li></ul>必须加括号！
字符串匹配	若不确定拼写可用：<br>df.item_name.str.contains('javelin', case=False)
query() 方法	更简洁的筛选方式：<br>df.query("department == 'functional' and item_name == 'javelin'")
drop=True	避免旧索引变成新列

---

📚 总结对比表（四题核心差异）

题号	目标	关键操作	连接方式	聚合/筛选
DA37	有人报名的项目人数	merge + groupby + size	inner (default)	只输出有数据的
DA38	所有项目（含0人）	merge + left + count	left	显示0人项目
DA39	多报名表汇总	concat + merge + count	inner	合并多个源数据
DA40	特定人群信息查询	merge + 多条件筛选 + 列选择	inner	输出明细数据

---

🛠️ 通用技巧总结

场景	推荐做法
合并多个 CSV 报名表	pd.concat([df1, df2], axis=0)
关联项目信息	pd.merge(..., on='item_id')
统计数量	groupby().size() 或 .count()
保留主表全部数据	how='left'
筛选满足多个条件的数据	(cond1) & (cond2)
输出前清理索引	.reset_index(drop=True)
防止拼写错误	检查字段名：df.columns.tolist()

---

✅ 学习建议

1. 动手实践：把这几道题的数据自己构造出来跑一遍。
2. 理解 merge 类型：inner/left/right/outer 的区别是关键。
3. 掌握 groupby 和 count/size：数据分析最常用组合。