🔷 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>`\|`：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()`