[每日一练]利用左右指定键连接实现经理的下属员工数量

该题目来自于力扣：

1731. 每位经理的下属员工数量 - 力扣（LeetCode）

题目要求：

表：Employees+-------------+----------+
| Column Name | Type     |
+-------------+----------+
| employee_id | int      |
| name        | varchar  |
| reports_to  | int      |
| age         | int      |
+-------------+----------+
employee_id 是这个表中具有不同值的列。
该表包含员工以及需要听取他们汇报的上级经理的 ID 的信息。 有些员工不需要向任何人汇报（reports_to 为空）。对于此问题，我们将至少有一个其他员工需要向他汇报的员工，视为一个经理。编写一个解决方案来返回需要听取汇报的所有经理的 ID、名称、直接向该经理汇报的员工人数，以及这些员工的平均年龄，其中该平均年龄需要四舍五入到最接近的整数。返回的结果集需要按照 employee_id 进行排序。结果的格式如下：示例 1:输入：
Employees 表：
+-------------+---------+------------+-----+
| employee_id | name    | reports_to | age |
+-------------+---------+------------+-----+
| 9           | Hercy   | null       | 43  |
| 6           | Alice   | 9          | 41  |
| 4           | Bob     | 9          | 36  |
| 2           | Winston | null       | 37  |
+-------------+---------+------------+-----+
输出：
+-------------+-------+---------------+-------------+
| employee_id | name  | reports_count | average_age |
+-------------+-------+---------------+-------------+
| 9           | Hercy | 2             | 39          |
+-------------+-------+---------------+-------------+
解释：
Hercy 有两个需要向他汇报的员工, 他们是 Alice and Bob. 他们的平均年龄是 (41+36)/2 = 38.5, 四舍五入的结果是 39.
示例 2:输入： 
Employees 表：
+-------------+---------+------------+-----+ 
| employee_id | name    | reports_to | age |
|-------------|---------|------------|-----|
| 1           | Michael | null       | 45  |
| 2           | Alice   | 1          | 38  |
| 3           | Bob     | 1          | 42  |
| 4           | Charlie | 2          | 34  |
| 5           | David   | 2          | 40  |
| 6           | Eve     | 3          | 37  |
| 7           | Frank   | null       | 50  |
| 8           | Grace   | null       | 48  |
+-------------+---------+------------+-----+ 
输出： 
+-------------+---------+---------------+-------------+
| employee_id | name    | reports_count | average_age |
| ----------- | ------- | ------------- | ----------- |
| 1           | Michael | 2             | 40          |
| 2           | Alice   | 2             | 37          |
| 3           | Bob     | 1             | 37          |
+-------------+---------+---------------+-------------+

思路流程：

首先它要求返回员工的统计数量和年龄聚合，我们可以提前把聚合函数写出来，在考虑表的连接。利用reports_to列进行分组，保留所有有老板的员工，再用agg函数对员工的数量和年龄的平均进行聚合，这里我叫它表A。在分组聚合后，我们发现，表A中的reports_to列和原表格的employee_id列相符(经理的名字也在雇员列中)，我们可以想到左右的指定键连接。保留表A的所有数据，将表A的reports_to列和源数据的employee_id列进行左右连接，即可实现要求。

代码实现：

1）进行分组聚合和重命名

import pandas as pddef count_employees(employees: pd.DataFrame) -> pd.DataFrame:a=employees.groupby('reports_to').agg({'employee_id':'count','age':'mean'}).rename(columns={'age':'average_age','employee_id':'reports_count'}).reset_index()return a

这里我们实现了人数的聚合和年龄平均的计算，由于分组的参数是reports_to列，它会被作为内索引，为后续操作更明了，我使用了reset_index()来将该列显示了出来。

| reports_to | reports_count | average_age |
| ---------- | ------------- | ----------- |
| 9          | 2             | 38.5        |

可见保留了三列：reports_to列，重命名后的age列和employee_id列

2）进行左右指定键的连接

import pandas as pddef count_employees(employees: pd.DataFrame) -> pd.DataFrame:a=employees.groupby('reports_to').agg({'employee_id':'count','age':'mean'}).rename(columns={'age':'average_age','employee_id':'reports_count'}).reset_index()    a=a.merge(employees,how='left',left_on='reports_to',right_on='employee_id')return a

这里我们用左连接(表A在左边)完全保留表A的所有数据，之后用left_on和right_on来让表A的reports_to列和原表格的employee_id进行连接，这样就可以找出包含下属员工的数量，下属员工的平均年龄，以及经理的年龄和ID的列了

| reports_to_x | reports_count | average_age | employee_id | name  | reports_to_y | age |
| ------------ | ------------- | ----------- | ----------- | ----- | ------------ | --- |
| 9            | 2             | 38.5        | 9           | Hercy | null         | 43  |

可见所有的数据此时都完全聚合到了一块，我们最难的任务也就基本完成了，接下来就需要我们取出并且变形我们需要的列，再把他们展示出来即可。

3）平均年龄的四舍五入需求

我们遇到一个很棘手的问题，要把平均年龄进行四舍五入，用后缀.round(0)肯定是不行的，它只会把小数点后的所有数据到消除，那么如何实现呢？用int可以，int也会取整，但如果小数位大于5的数据再加一个0.5，那么它的整数为肯定会进一；如果小数位小于5的数据再加一个0.5，那么它的整数位不会进一，这时候再用int进行取整就会实现四舍五入了。利用apply(lambda x:int(x+.05))即可遍历实现四舍五入的要求：

import pandas as pddef count_employees(employees: pd.DataFrame) -> pd.DataFrame:a=employees.groupby('reports_to').agg({'employee_id':'count','age':'mean'}).rename(columns={'age':'average_age','employee_id':'reports_count'}).reset_index()a=a.merge(employees,how='left',left_on='reports_to',right_on='employee_id')a['average_age']=a['average_age'].apply(lambda x:int(x+0.5))return a[['employee_id','name','reports_count','average_age']]