12

给定以下列表：

[
    ('A', '', Decimal('4.0000000000'), 1330, datetime.datetime(2012, 6, 8, 0, 0)),
    ('B', '', Decimal('31.0000000000'), 1330, datetime.datetime(2012, 6, 4, 0, 0)),
    ('AA', 'C', Decimal('31.0000000000'), 1330, datetime.datetime(2012, 5, 31, 0, 0)),
    ('B', '', Decimal('7.0000000000'), 1330, datetime.datetime(2012, 5, 24, 0, 0)),
    ('A', '', Decimal('21.0000000000'), 1330, datetime.datetime(2012, 5, 14, 0, 0))
]

我想按元组中的第一列、第二列、第四列和第五列对这些进行分组，并对第三列求和。对于此示例，我将列命名为 col1、col2、col3、col4、col5。

在 SQL 中，我会做这样的事情：

select col1, col2, sum(col3), col4, col5 from my table
group by col1, col2, col4, col5

有没有一种“酷”的方式来做到这一点，或者这一切都是手动循环？

4

3 回答 3

15

你想要itertools.groupby。

请注意，groupby需要对输入进行排序，因此您可能需要事先执行此操作：

keyfunc = lambda t: (t[0], t[1], t[3], t[4])
data.sort(key=keyfunc)
for key, rows in itertools.groupby(data, keyfunc):
    print key, sum(r[2] for r in rows)
于 2012-06-15T20:54:17.733 回答
7 
>>> [(x[0:2] + (sum(z[2] for z in y),) + x[2:5]) for (x, y) in
      itertools.groupby(sorted(L, key=operator.itemgetter(0, 1, 3, 4)),
      key=operator.itemgetter(0, 1, 3, 4))]
[
  ('A', '', Decimal('21.0000000000'), 1330, datetime.datetime(2012, 5, 14, 0, 0)),
  ('A', '', Decimal('4.0000000000'), 1330, datetime.datetime(2012, 6, 8, 0, 0)),
  ('AA', 'C', Decimal('31.0000000000'), 1330, datetime.datetime(2012, 5, 31, 0, 0)),
  ('B', '', Decimal('7.0000000000'), 1330, datetime.datetime(2012, 5, 24, 0, 0)),
  ('B', '', Decimal('31.0000000000'), 1330, datetime.datetime(2012, 6, 4, 0, 0))
]

（注意：输出重新格式化）

于 2012-06-15T20:56:39.563 回答
1

如果您发现自己经常使用大型数据集执行此操作，您可能想查看pandas库，它有很多很好的工具可以执行此类操作。

于 2012-06-15T21:16:43.033 回答