基于某些列值的累积总和

Question

[01/Aug/1995：00：54：59 -0400] "GET/images/opf-logo.gif HTTP/1.0" 200 32511 [01/Aug/1995：00：55：04 -0400] "GET/images/ksclogosmall.gif HTTP/1.0" 200 4635 [01/Aug/1995：00：55：06 -0400] "GET /images/ksclogosmall.gif HTTP/1.0" 403 78787

我有一个来自 HTTP 服务器的文件，我需要根据最后一列大小的累积总和（以字节为单位）列出前 10 张图像。

li = [i.strip().split() for i in open("input.txt").readlines()]
sorted_li = sorted(li, key = lambda cols : int(cols[6]), reverse = True)
sorted_out = {}
for l in sorted_li:
    if l[3] in sorted_out:
        sorted_out[l[3]] += int(l[6])
    else:
        sorted_out[l[3]] = int(l[6])

如何限制为字典中的前 10 个值？有没有办法不用熊猫和分组？

Answer 1

您可以使用标准库中的计数器。

from collections import Counter
d = dict()
with open('input.txt') as f:
    split_line_gen = (line.strip().split() for line in f)
    get_name_size_gen = ((line[3], int(line[-1])) for line in split_line_gen)
    for name, size in get_name_size_gen:
        d[name] = d.get(name, 0) + size
    c = Counter(d)

要获得前 10 名，请使用c.most_common(10)

使用计数器可能会有点开销。相反，您可以使用类似的东西

sorted(d, key=d.get, reverse=True)[:10]仅返回名称

sorted(d.items(), key=lambda x: x[-1], reverse=True)[:10]返回名称和大小

但我建议使用计数器 - 更具可读性，imo。