Python 快速计算增量的方法

[JCZ2MkKb5S8ZX9pq]

假设表

data = [
  ['20:00', 100],
  ['20:10', 130],
  ['20:20', 190],
  ...
]

期望结果，只统计增量：

data = [
  ['20:00', 100],
  ['20:10', 30],
  ['20:20', 60],
  ...
]

正常写法我会，求一个最 pythonic 的搞法。
印象中好像 map 还是 reduce 啥的能搞这个，但是 py3 好像要导入模块，有点想不起来了。
谁给指点一下。

[necomancer]

numpy 去官方文档看看那个入门了解一下各种数组的操作就可以了。你要是处理数据尤其是简单统计一类的比较多的话，多看看 pandas。有些像 dataframe.diff 不那么好用的场景毕竟还可以用 numpy.diff (prepend，append 和 axis ），毕竟数据应该是一样的。

[dongxiao]

1、
data[0:1] + list(map(lambda obj1, obj2: [obj1[0], obj2[1]-obj1[1]], data[0:-1], data[1:]))

2、
from pandas import DataFrame
frame = DataFrame(data)
pd.concat([frame.loc[:, 0], frame.loc[:, 1].map(int).diff()], axis=1).combine_first(frame)

[JCZ2MkKb5S8ZX9pq]

@necomancer 好的，我去了解一下。

[JCZ2MkKb5S8ZX9pq]

@dongxiao 这个是会玩 pandas 的，让我好好消化一下。

[dongxiao]

3、
import numpy as np
arr = np.array(data)
time_arr, num_arr = np.hsplit(arr, [1])
np.c_[time_arr, np.r_[num_arr[:1], np.diff(num_arr.astype(int), 1, 0)]]

# 如果要格式转换则
list(map(lambda obj: [obj[0], int(obj[1])], np.c_[time_arr, np.r_[num_arr[:1], np.diff(num_arr.astype(int), 1, 0)]].tolist()))

[ClericPy]

@JCZ2MkKb5S8ZX9pq #23 呃, 看了这么多回帖才知道你是要数据分析量级比较大的, 那走 pandas 肯定是最好的选择, 性能高一大截还不容易出错

@necomancer #10 好吧, 我还真没想到复杂度层面, 以前被 CTO 逮住教训了半天别太纠结语法糖, 写过太多屎山, 所以把 pythonic 就直接看作优雅的可读性了

[dangyuluo]

最 pythonic 的写法难道不是用 numpy 么哈哈，shift 第二列然后减一下

[cassidyhere]

from itertools import chain

l = [100, 130, 190]
[i - j for i, j in zip(l, chain([0], l[:-1]))]

这样吧，如果想用 map 还可以用 operator

import operator

map(operator.sub, l, chain([0], l[:-1]))

[cassidyhere]

涉及循环或序列里元素间的操作，可以看看 itertools, operator, functools

[wliansheng]

为什么楼上大部分回答都不能成功运行。除了 @cassidyhere 可以得到 [100, 30, 60]

[JCZ2MkKb5S8ZX9pq]

@cassidyhere
你这一写，我感觉以前看 cookbook 的时候都见过，太久不用都还回去了。/捂脸

不过这个题目我后来想想，还是有一些细节可以探讨。几种方法效率上还是有点区别。

[cfwyy]

不知道啥叫 pythonic，见笑了。

newdata=data[0:1]
newdata.extend([[data[i][0],data[i][1]-data[i-1][1]] for i in range(1,len(data))])