按常用日期对数组数据进行排序答案

【问题标题】：Sorting array data by common date按常用日期对数组数据进行排序
【发布时间】：2017-06-12 17:13:03
【问题描述】：

我有一个包含多行和 3 列的 .csv 文件：日期、代表和销售。我想使用 Python 生成一个新数组，该数组按日期对数据进行分组，并且对于给定的日期，按销售额对代表进行排序。例如，我的输入数据如下所示：

salesData = [[201703,'Bob',3000], [201703,'Sarah',6000], [201703,'Jim',9000], 
    [201704,'Bob',8000], [201704,'Sarah',7000], [201704,'Jim',12000], 
    [201705,'Bob',15000], [201705,'Sarah',14000], [201705,'Jim',8000],
    [201706,'Bob',10000], [201706,'Sarah',18000]]

我想要的输出如下所示：

sortedData = [[201703,'Jim', 'Sarah', 'Bob'], [201704,'Jim', 'Bob', 
    'Sarah'], [201705,'Bob', 'Sarah', 'Jim'], [201706, 'Sarah', 'Bob']]

我是 Python 的新手，但我已经搜索了相当多的解决方案，但没有成功。我的大部分搜索结果让我相信可能有一种简单的方法可以使用 pandas（我没有使用过）或 numpy（我已经使用过）来做到这一点。

任何建议将不胜感激。我正在使用 Python 3.6。

【问题讨论】：

标签： python arrays python-3.x numpy

【解决方案1】：

使用熊猫！

import pandas as pd

salesData = [[201703, 'Bob', 3000], [201703, 'Sarah', 6000], [201703, 'Jim', 9000],
             [201704, 'Bob', 8000], [201704, 'Sarah', 7000], [201704, 'Jim', 12000],
             [201705, 'Bob', 15000], [201705, 'Sarah', 14000], [201705, 'Jim', 8000],
             [201706, 'Bob', 10000], [201706, 'Sarah', 18000]]

sales_df = pd.DataFrame(salesData)
result = []
for name, group in sales_df.groupby(0):
    sorted_df = group.sort_values(2, ascending=False)
    result.append([name] + list(sorted_df[1]))
print(result)

【讨论】：

哇——太棒了！我肯定需要阅读熊猫 - 如此简单而强大。非常感谢您的解决方案。

【解决方案2】：

不用pandas，你可以试试这行答案：

sortedData = [[i]+[item[1] for item in salesData if item[0]==i] for i in sorted(set([item[0] for item in salesData]))]

编辑：
您可以这样做以按销售额对每个内部列表进行排序：

sortedData = [[i]+[item[1] for item in sorted(salesData, key=lambda x: -x[2]) if item[0]==i] for i in sorted(set([item[0] for item in salesData]))]

注意sorted(salesData, key=lambda x: -x[2]) 部分执行排序

【讨论】：

感谢您的回复。我将使用 pandas 解决方案，但我仍然想更好地理解您的代码，因为我是学习 Python 的新手。我运行这行代码时遇到的一个问题是输出格式正确（即，唯一日期后跟名称列表），但名称未按销售额排序。有没有办法将此功能添加到您的代码中？谢谢！