按常用日期对数组数据进行排序

Question

我有一个包含许多行和3列的.csv文件：Date，Rep和Sales。我想使用Python生成一个新的数组，按日期对数据进行分组，并在给定日期按销售额对Reps进行分类。举个例子，我输入的数据是这样的：

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]] 

我的期望输出应该是这样的：

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

我是新来的Python，但我已搜查了不少与解决方案没有成功。我的大部分搜索结果都让我相信，使用熊猫（我没有使用过）或numpy（我已经使用过）可能会有一种简单的方法来做到这一点。

任何建议将不胜感激。我正在使用Python 3.6。

Answer 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) 

Answer 2

没有熊猫，你可以试试这个一行答案：

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：
为此，您可以订购的销售每个内部列表：

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]))] 

请注意，sorted(salesData, key=lambda x: -x[2])部分执行orde戒指