时间戳

首页 > 解决方案 > 如何在python中复制SQL窗口排名

python - 如何在python中复制SQL窗口排名

问题描述

如果我们假设我有一个包含 id、数据和分数值的输入数据集（列表列表），我想过滤到每个 id 的最高得分日。通常在 SQL 中，我会使用 window 和 rank 函数来执行此操作，但我想不出 Pythonic 的方法来解决这个问题。

这是一个本机解决方案：

data = [
    ["123", "11/11/11", "0.5"],
    ["555", "12/11/11", "0.3"],
    ["555", "13/11/11", "0.9"],
    ["123", "14/11/11", "0.8"]
]
_sorted = sorted( data, key=lambda record: (record[0], record[2]), reverse=True)

output = []

last_id_seen = None
for record in _sorted:
    if record[0] is last_id_seen:
        continue
    last_id_seen = record[0]
    output.append(record)
print(output)

# output
# [['555', '13/11/11', '0.9'], ['123', '14/11/11', '0.8']]

但这感觉很笨拙，我不知道这种排序将如何支持更复杂的情况。另外，我最好避免使用 Pandas 或 Numpy 解决方案，因为我认为这里不需要它们。

建议？

标签： pythonranking

解决方案

data = [
    ["123", "11/11/11", "0.5"],
    ["555", "12/11/11", "0.3"],
    ["555", "13/11/11", "0.9"],
    ["123", "14/11/11", "0.8"]
] # data 

from itertools import groupby # groupby function
# Sort on id and score
_sorted = sorted( data, key=lambda record: (record[0], record[2]), reverse=True)

for k, v in groupby(_sorted, lambda x: x[0]): # group by id
    # k: ids, v: groups
    print(list(v)[0]) # print

我使用了 itertools 中的 groupby 来对 ID 列上的排序数组进行分组。由于我们对 score 键的顺序是相反的，因此获取v[0]每个组的第一个元素就足够了。

推荐阅读