[每日一练]制作会话柱状图（自定义全条件表格从而连接进行判断）

#该题目来源于力扣：

1435. 制作会话柱状图 - 力扣（LeetCode）

题目要求：

表：Sessions

+---------------------+---------+
| Column Name         | Type    |
+---------------------+---------+
| session_id          | int     |
| duration            | int     |
+---------------------+---------+
session_id 是该表主键
duration 是用户访问应用的时间, 以秒为单位
 

你想知道用户在你的 app 上的访问时长情况。因此你决定统计访问时长区间分别为 "[0-5>"，"[5-10>"，"[10-15>" 和 "15 minutes or more" 的会话数量，并以此绘制柱状图。

写一个解决方案来报告 (bin, total) 。

返回结果 无顺序要求 。

结果格式如下所示。

 

示例 1：

输入：
Sessions 表：
+-------------+---------------+
| session_id  | duration      |
+-------------+---------------+
| 1           | 30            |
| 2           | 199           |
| 3           | 299           |
| 4           | 580           |
| 5           | 1000          |
+-------------+---------------+
输出：
+--------------+--------------+
| bin          | total        |
+--------------+--------------+
| [0-5>        | 3            |
| [5-10>       | 1            |
| [10-15>      | 0            |
| 15 or more   | 1            |
+--------------+--------------+
解释：
对于 session_id 1，2 和 3 ，它们的访问时间大于等于 0 分钟且小于 5 分钟。
对于 session_id 4，它的访问时间大于等于 5 分钟且小于 10 分钟。
没有会话的访问时间大于等于 10 分钟且小于 15 分钟。
对于 session_id 5, 它的访问时间大于等于 15 分钟。

思路流程：

1. 创建具有所有条件的列

2. 定义函数进行条件判断，这样就可以将这些复杂的判断一起传递给lambda遍历函数了

3. 将自定义判断函数遍历传递给新建列bin_s

4. 将两个表按照bin表(圈条件表)进行连接，然后按照bin表的bin列进行分组聚合即可

代码实现：

import pandas as pd

def create_bar_chart(sessions: pd.DataFrame) -> pd.DataFrame:
    #创建具有所有条件的列
    bin=pd.DataFrame({'bin_l':['[0-5>','[5-10>','[10-15>','15 or more']})
    #定义函数进行条件判断，这样就可以将这些复杂的判断一起传递给lambda遍历函数了
    def funcion(x):
        if x<300:
            return '[0-5>'
        elif x<600 and x>=300:
            return '[5-10>'
        elif x<900 and x>=600:
            return '[10-15>'
        else:
            return '15 or more'
    #将自定义判断函数遍历传递给新建列bin
    sessions['bin_s']=sessions['duration'].apply(lambda x:funcion(x))
    #将两个表按照bin表(圈条件表)进行连接，然后按照bin表的bin列进行分组聚合即可
    data=sessions.merge(bin,left_on='bin_s',right_on='bin_l',how='right')
    data=data.groupby('bin_l')['session_id'].count().reset_index().rename(columns={'bin_l': 'bin', 'session_id': 'total'})
    return data