一、题目

ActorDirector 表：

+-------------+---------+
| Column Name | Type    |
+-------------+---------+
| actor_id    | int     |
| director_id | int     |
| timestamp   | int     |
+-------------+---------+
timestamp 是这张表的主键(具有唯一值的列).

编写解决方案找出合作过至少三次的演员和导演的 id 对 (actor_id, director_id)

示例 1：

输入：
ActorDirector 表：
+-------------+-------------+-------------+
| actor_id    | director_id | timestamp   |
+-------------+-------------+-------------+
| 1           | 1           | 0           |
| 1           | 1           | 1           |
| 1           | 1           | 2           |
| 1           | 2           | 3           |
| 1           | 2           | 4           |
| 2           | 1           | 5           |
| 2           | 1           | 6           |
+-------------+-------------+-------------+
输出：
+-------------+-------------+
| actor_id    | director_id |
+-------------+-------------+
| 1           | 1           |
+-------------+-------------+
解释：
唯一的 id 对是 (1, 1)，他们恰好合作了 3 次。

二、知识点

1、groupby多列分组（层次化索引）

# 按 col1、col2 依次分组
grouped = df.groupby([col1, col2, ...])

        多列分组后，可以像单列分组一样使用 agg()、apply()、filter() 等方法，操作会作用于最内层的每个子组。

使用场景：

a、组合条件聚合：按多个维度统计数据时（如 “按地区 + 年份” 统计销售额）。

b、复杂关系分析：分析多因素之间的关联（如本文案例中 “演员 - 导演” 的合作关系）。

c、分层筛选：先按大类分组，再在小类中筛选（如 “先按部门分组，再在每个部门内按职位筛选出人数≥5 的职位”）。

2、过滤（filter()）

根据分组的统计量筛选分组，注意是保留满足条件的组的所有原始数据行！需要用.drop_duplicates()去重。

3、drop_duplicates()

删除 DataFrame 或 Series 中重复行的方法，用于保留唯一记录。

用法：

# 对整个 DataFrame 去重
df.drop_duplicates()

# 对指定列去重（只考虑这些列的重复情况）
df.drop_duplicates(subset=['列1', '列2'])

1. subset（可选）指定需要判断重复的列，默认判断所有列。例如：df.drop_duplicates(subset=['actor_id', 'director_id']) 只会根据这两列判断是否重复，其他列不同不影响判定。

2. keep（可选，默认 'first'）控制保留最新/最旧重复记录：

   • keep='first'：保留第一次出现的记录，删除后面的重复项（默认）
   • keep='last'：保留最后一次出现的记录，删除前面的重复项
   • keep=False：删除所有重复项，不保留任何一条

3. inplace（可选，默认 False）是否在原 DataFrame 上修改：

   • inplace=True：直接修改原数据，不返回新对象
   • inplace=False：返回去重后的新 DataFrame，原数据不变

三、答案

def actors_and_directors(actor_director: pd.DataFrame) -> pd.DataFrame:
    grouped=actor_director.groupby(['actor_id','director_id'])
    result_=grouped.filter(lambda x:len(x)>=3)[['actor_id', 'director_id']]
    result=result_.drop_duplicates()
    return result

def find_actor_director_pairs(actor_director_df):
    # 按演员ID和导演ID分组，并计算每组的数量
    collaboration_counts = actor_director_df.groupby(['actor_id', 'director_id']).size().reset_index(name='counts')
    
    # 筛选出合作次数不少于3的组合
    result = collaboration_counts[collaboration_counts['counts'] >= 3][['actor_id', 'director_id']]
    
    return result

SELECT actor_id, director_id
FROM ActorDirector
GROUP BY actor_id, director_id
HAVING COUNT(*) >= 3;