当前位置:首页 > 文章列表 > 文章 > python教程 > 如何高效统计和排序商品列表中的元组数据?

如何高效统计和排序商品列表中的元组数据?

2025-03-22 16:45:09 0浏览 收藏

各位小伙伴们,大家好呀!看看今天我又给各位带来了什么文章?本文标题是《如何高效统计和排序商品列表中的元组数据?》,很明显是关于文章的文章哈哈哈,其中内容主要会涉及到等等,如果能帮到你,觉得很不错的话,欢迎各位多多点评和分享!

如何高效统计和排序商品列表中的元组数据?

Python高效处理商品数据:统计与排序

本文演示如何利用Python高效处理商品列表数据,实现商品数量统计并按数量排序的功能。原始数据为包含商品名称、颜色、尺码和数量的元组列表,目标是统计相同商品属性的总数,并添加一个字段表示该商品名称的总数量,最终结果按总数量降序排列。

示例数据:

假设原始数据如下:

data = [
    ('连衣裙', '白色', 'S', 1),
    ('连衣裙', '白色', 'S', 1),
    ('连衣裙', '黑色', 'M', 1),
    ('裤子', '白色', 'S', 1),
]

目标结果:

我们需要将其转换为:

result = [
    ('连衣裙', '白色', 'S', 2, 3),
    ('连衣裙', '黑色', 'M', 1, 3),
    ('裤子', '白色', 'S', 1, 1),
]

其中,最后一个元素表示该商品名称的总数量。

Python代码实现:

我们将使用collections.Counter模块来高效地统计元组出现次数。以下代码展示了详细步骤:

from collections import Counter

data = [
    ('连衣裙', '白色', 'S', 1),
    ('连衣裙', '白色', 'S', 1),
    ('连衣裙', '黑色', 'M', 1),
    ('裤子', '白色', 'S', 1),
]

# 统计每个(名称, 颜色, 尺码)组合的数量
item_counts = Counter(tuple(item[:-1]) for item in data)

# 统计每个商品名称的总数量
name_counts = Counter(item[0] for item in data)

# 构建结果列表,包含名称、颜色、尺码、数量和该名称的总数量
result = [(*item, count, name_counts[item[0]]) for item, count in item_counts.items()]

# 按总数量降序排序
result.sort(key=lambda x: (-x[4], x[0], x[1], x[2]))

print(result)

这段代码首先使用Counter统计每个(名称, 颜色, 尺码)组合的出现次数,然后统计每个商品名称的总数量。最后,它构建一个新的列表,包含名称、颜色、尺码、数量和该名称的总数量,并根据总数量降序排序。这种方法能够高效处理包含大量数据的列表。

到这里,我们也就讲完了《如何高效统计和排序商品列表中的元组数据?》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!

Go语言使用RabbitMQ写入数据耗时200ms,如何优化?Go语言使用RabbitMQ写入数据耗时200ms,如何优化?
上一篇
Go语言使用RabbitMQ写入数据耗时200ms,如何优化?
如何用JavaScript实现图文交错的异型网页布局?
下一篇
如何用JavaScript实现图文交错的异型网页布局?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    365次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    424次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    438次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    388次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    214次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码