Pandas

Estrategía: Fusionar los DataFrames usando concat() y encontrar los valores más altos usando sort_values y head

Algoritmo

Dado que una persona puede adquirir un amigo ya sea solicitando o aceptando una solicitud de amistad, para obtener cuántos amigos cada persona tiene, podemos contar cuántas veces su ID aparece en cualquiera de las columnas requester_id y accepter_id. Generalmente es una buena idea combinar las dos columnas en una sola para facililar el cálculo.

Empecemos por combinar las dos columnas. Podemos usar la función concat() para combinar los DataFrames justo como si usaramos UNION/UNION ALL en MySQL, o, en este caso, combinar solo las columnas. Agregamos la función to_frame() para convertir el resultado de Series a DataFrame. Para realizar el conteo, también renombramos la nueva columna como id.

values = pd.concat([
    request_accepted["requester_id"],
    request_accepted["accepter_id"]]
).to_frame('id')

Ahora que tenemos las dos columnas combinadas.

id
1
1
2
3
2
3
3
4

Ahora solo necesitamos contar cuantas veces cada id aparece en la lista para identificar el id con mas apariciones. Para hacer esto, podemos aplicar la función count() para id y agrupar el resultado al nivel de id. Usamos la función agg() para obtener el valor agregado y renombrar el resultado al mismo tiempo. Para encontrar el vamir máximo, ordenamos la lista por el contador (la nueva columna num) en orden descendente mediante la función sort_values() y pasando el parametro ascending=False. El id de la persona con más amigos se encontrará ahora en la primera posición, y podemos acceder directamente a ella usando la función head().

df = values.groupby(
    'id', as_index=False
).agg(num=('id', 'count')).sort_values(
    'num', ascending=False
).head(1)

Implementación

import pandas as pd

def most_friends(request_accepted: pd.DataFrame) -> pd.DataFrame:
    values = pd.concat([
        request_accepted["requester_id"],
        request_accepted["accepter_id"]]
    ).to_frame('id')

    df = values.groupby('id', as_index=False).agg(
        num=('id', 'count')
    ).sort_values('num', ascending=False).head(1)

    return df