【发布时间】:2019-08-13 05:04:21
【问题描述】:
我的代码是
class Supplier:
def supplier_name(self, sup_name):
return sup_name
class Product(Supplier):
def purchase(self, date, p_name, qty):
p_list = [date, p_name, qty]
return p_list
x = s.supplier_name("A")
pr_name = "product B"
unit_row = p.purchase("2018-12-12", pr_name, 20)
c.get_data(unit_row, x)
x = s.supplier_name("A")
pr_name = "product A"
unit_row = p.purchase("2019-10-10", pr_name, 5)
c.get_data(unit_row, x)
x = s.supplier_name("B")
pr_name = "product A"
unit_row = p.purchase("2018-11-15", pr_name, 7)
c.get_data(unit_row, x)
x = s.supplier_name("B")
pr_name = "product B"
unit_row = p.purchase("2018-11-16", pr_name, 9)
c.get_data(unit_row, x)
x = s.supplier_name("B")
pr_name = "product C"
unit_row = p.purchase("2018-12-15", pr_name, 10)
c.get_data(unit_row, x)
x = s.supplier_name("C")
pr_name = "product A"
unit_row = p.purchase("2018-06-10", pr_name, 20)
c.get_data(unit_row, x)
x = s.supplier_name("C")
pr_name = "product B"
unit_row = p.purchase("2018-07-10", pr_name, 30)
c.get_data(unit_row, x)
x = s.supplier_name("C")
pr_name = "product A"
unit_row = p.purchase("2018-06-10", pr_name, 40)
c.get_data(unit_row, x)
c.display()
我有多维列表。执行后我得到这样的输出。
[['2019-10-10', 'product A', 10], 'A']
[['2019-10-10', 'product A', 5], 'A']
[['2018-12-15', 'product C', 10], 'B']
[['2018-12-12', 'product B', 20], 'A']
[['2018-11-16', 'product B', 9], 'B']
[['2018-11-15', 'product A', 7], 'B']
[['2018-07-10', 'product B', 30], 'C']
[['2018-06-10', 'product A', 20], 'C']
[['2018-06-10', 'product A', 40], 'C']
这里 'A' 'B' 'C' 是我的供应商, “产品 A”、“产品 B”和“产品 C”是我的产品名称。 和数字是我的数量(例如 10,5,10,20,9,7,30,20,40)
我想在同一日期添加相同数量的供应商。 (例如 10+5)在“A”供应商中 另一个在 'C' 供应商中的数量为 20+40,并单独列出它们,如下所示。预期输出。
[['2019-10-10', 'product A', 15], 'A']
[['2018-12-12', 'product B', 20], 'A']
[['2018-12-15', 'product C', 10], 'B']
[['2018-11-16', 'product B', 9], 'B']
[['2018-11-15', 'product A', 7], 'B']
[['2018-07-10', 'product B', 30], 'C']
[['2018-06-10', 'product A', 60], 'C']
【问题讨论】:
-
我强烈建议您使用 pandas 而不是基础 Python 来操作数据帧。这种事情在熊猫中是单行的,你会做
df.groupby('supplier')...。为什么要编写需要大量维护的脆弱代码?
标签: python python-3.x list