Python – 按元组键聚合值

介绍

在当前世界中，处理数据是组织面临的最具挑战性的任务，随着数据科学和机器学习的发展，访问数据变得更加容易。而Python语言在处理这些数据方面扮演着重要的角色，因为数据之间可能存在相关或无关。当它们之间有一定的相关性时，可以将它们与其他数据结合存储，或者仅仅是对数据进行聚合。在这种情况下，它将具有相似特征和属性的元素组合在一起。为了进行这个过程，需要使用一些内置函数和库。

按元组键聚合值

元组是一个由初始化后可互换的元素组成的数据结构。元组通常被赋予一个值，并根据用户的视角返回相应的语句。

语法

reduce()

Python中的collection模块有许多子类，如”defaultdict()”和reduce()方法。reduce()方法总是使用两个参数，然后将它们减少为一个值。

方法

方法1 – 使用defaultdict()方法

方法2 – 使用group()方法

方法1：使用defaultdict()方法聚合值的Python代码

默认字典类用于使用Python语言的collection库中的字典方法对值进行聚合。产品及其相应的到期日期和产品成本价位列出。字典数据结构被定义为整数变量，并且它创建一个字典，其键为产品、day_str的元组，然后这些值被附加到产品的成本。

算法

• 第1步 - 输入字符串被声明为Item_expiry，它包含一组字符串。

• 第2步 - 聚合元组键的所需库是defaultdict。

• 第3步 - for循环用于遍历元组的每个元素。

• 第4步 - 通过附加每个项目的名称、每个项目的到期日和每个项目的成本来打印输出。

例子

# initializing the Item_expiry in a list of values
Item_expiry = [
   ('Milk', 30),
   ('Tomato', 100),
   ('lentils', 345),
   ('Milk', 320)
]
#importing the defaultdict function from collections module
from collections import defaultdict
#creating the dictionary defaultdict of float data type and storing in sums_by_product_days
sums_by_product_days = defaultdict(float)
#Using for loop to iterate through different values of Item_expiry list and adding the cost value to the existing key sums_by_product_days
for product, cost in Item_expiry:
   sums_by_product_days[(product)] += cost
#Returns the values of newly created dictionary   
print(sums_by_product_days)

输出

defaultdict(<class 'float'>, {'Milk': 350.0, 'Tomato': 100.0, 'lentils': 345.0})

Python代码实现集合函数groupby()的方式二

导入pandas库并列出产品及其相应的过期日期和成本价格。使用groupby()函数对产品和过期日期进行分组，然后使用sum方法对键进行求和。最后，使用print语句返回产品及其字段。

算法

• 步骤1 ——将输入字符串声明为Item_expiry，其中包含一组字符串。

• 步骤2 ——需要使用pandas库来按元组键进行聚合。

• 步骤3 ——通过追加每个项的项名、过期日期和成本来打印输出。

示例

#importing the pandas module
import pandas as pd
# initializing the DataFrame in a list of values with product name, expiry date, and cost
df = pd.DataFrame({
   'product': ['Milk', 'Tomato', 'Lentils', 'Tomato'],
   'expiry': ['1 day', '3 day', '6 months', '3 day'],
   'cost': [30, 100, 345, 50]
})
# Using the groupby function to combine the above dataframes by product and expiry and adding the costs
sums_by_product_days = df.groupby(['product', 'expiry'])['cost'].sum()
#Returns the values as list of elements
print(sums_by_product_days)

输出

product  expiry  
Lentils  6 months    345
Milk     1 day        30
Tomato   3 day       150
Name: cost, dtype: int64

结论

在Python语言中，用方括号「()」来标示声明一个元组。这些方括号内的元素可以定义为元组的初始化元素。元组的优点是它遵循元素定义的特定顺序。