数据筛选：Namedtuple 的运用

数据筛选：Namedtuple 的使用

一、需求：

需要对上面xls文档进行数据筛选。当要多列数据结合统计时，使用Namedtuple比字典高效。

二、原因：

Namedtuple比普通tuple具有更好的可读性，可以使代码更易于维护。同时与字典相比，又更加的轻量和高效。但是有一点需要注意，就是namedtuple中的属性都是不可变的。任何尝试改变其属性值的操作都是非法的。

三、使用：

为了构造一个namedtuple需要两个参数，分别是tuple的名字和其中域的名字。比如，tuple的名字是“apply”，它包括三个域，分别是“box_type”、“option”和“trade”。

1. 源码

import json
from collections import namedtuple
import numpy as np

applies = ('box_type', 'option', 'trade')
box_type = ("40RH", "45HC", "40HC", "40ST", "20ST")
all_boxes = {
    '未申请': {},
    '已申请未打印': {},
    '已提箱': {},
    '已打印': {}
}

apply = namedtuple("apply", applies)
# usecols=(5, 10, 31)，分别获取第 6， 11，32 这三列
resources = np.array(np.loadtxt(
    'report_customized_20211205134657.csv',
    dtype=str, delimiter=',', skiprows=1, usecols=(5, 10, 31), encoding='gbk'))

for result in map(apply._make, resources):
    if result.trade == 'EUROPE':
        if result.box_type in box_type:
            if result.box_type not in all_boxes[result.option]:
                all_boxes[result.option][result.box_type] = 1
            else:
                all_boxes[result.option][result.box_type] += 1

info = json.dumps(all_boxes, indent=4, ensure_ascii=False)
print(f"统计结果： {info}")

2. 结果

namedtupl：
	apply(box_type='40ST', option='已提箱', trade='EUROPE')

统计结果： {
    "未申请": {
        "40HC": 285,
        "40ST": 58,
        "20ST": 79,
        "40RH": 34
    },
    "已申请未打印": {
        "40HC": 76,
        "20ST": 38,
        "40RH": 1,
        "40ST": 28
    },
    "已提箱": {
        "40RH": 31,
        "40HC": 623,
        "20ST": 205,
        "40ST": 191,
        "45HC": 1
    },
    "已打印": {
        "40HC": 6,
        "40ST": 2,
        "20ST": 2
    }
}