問題描述

假設通過對海量的原始數(shù)據(jù)后分析得到這樣的數(shù)據(jù):

[(id,node,val)(id,node,val)...]就是依次為 用戶id，所在服務器，數(shù)值 這樣的元組，然后要根據(jù)服務器分開，再依靠val大小進行排序，然后寫入excel中。或者產(chǎn)生[{'id':xxx,'node':xxx,'val':xxx},{'id':xxx,'node':xxx,'val':xxx}...]如果是只有一組kv，可以通過sorted的方式進行排序，但是現(xiàn)在node的名稱是未知的，這些服務器名每天都可以能會發(fā)生變化。當我獲取到這樣的數(shù)據(jù)后，如何根據(jù)服務器名稱分開，再排序數(shù)據(jù)呢？這里主要卡在，node本身的名稱并不是固定的，比如你先創(chuàng)建n個列表，把相同節(jié)點的數(shù)據(jù)放進去，但你不知道要創(chuàng)建多少個列表。而且之后在將處理后的數(shù)據(jù)寫入excel時，勢必要用到循環(huán)。這樣循環(huán)套循環(huán)，而且無論是數(shù)據(jù)分類后，還是排布后的新數(shù)據(jù)組名稱都不是確定的。即便使用exec命令也無法滿足需要啊

問題解答

from collections import defaultdictd = defaultdict(list)data = [(id,node,val),(id,node,val)...]# 按node進行分組for x in data: d[x[1]].append(x) # 將分組數(shù)據(jù)依次寫入excelfor _, v in d.iteritems(): # 排序 tmp = sorted(v, key=lambda x: x['val'], reverse=True/False) # 寫入excel write_to_excel(tmp)

另外其實可以將數(shù)據(jù)按id, node, val 全部寫入csv文件通過linux的awk, uniq, sort 等命令工具寫一個shell腳本, 也是很快的

還有關(guān)于你的海量數(shù)據(jù)究竟有多大, 在哪個數(shù)量級,沒有明確, 如果數(shù)據(jù)量真的很大, 用上面的python代碼內(nèi)存不夠用也是可能的, 這個需要你自己估算下

如果我正確理解了你的需求的話，可以用字典，字典的鍵是node的名稱，字典的值是由項組成的列表：

data = [{'id':xxx,'node':xxx,'val':xxx},{'id':xxx,'node':xxx,'val':xxx}...]result = {}for data_item in data: node_name = data_item['node'] if node_name in result.keys():result[node_name].append(data_item) else:result[node_name] = [data_item]

之后再根據(jù)鍵（服務器名稱）取出字典中的每一項的值（就是數(shù)據(jù)列表），對其sort加lambda根據(jù)每一項中的某個值進行排序。