如何用Lambda函数实现指定列分区排序的SQL窗口功能模拟？

需求说明 #

我正在模拟SQL查询，使用如下数据：

rows = [(1, '2021/04', 'Shop 2', 341227.53), (2, '2021/05', 'Shop 2', 315447.24), (3, '2021/06', 'Shop 1', 1845662.35), (4, '2021/04', 'Shop 2', 21487.63), (5, '2021/05', 'Shop 1', 1489774.16), (6, '2021/06', 'Shop 1', 52489.35), (7, '2021/04', 'Shop 1', 154552.82), (8, '2021/05', 'Shop 2', 6548.49), (9, '2021/06', 'Shop 2', 387779.49)]

需要生成一个模拟SQL窗口函数效果的字典：

• 按第三列（店铺名，比如'Shop 1'）分区
• 按第二列（日期，比如'2021/06'）排序
• 最终格式示例：

{
    'Shop 1': ['2021/04', '2021/05', '2021/06'],
    'Shop 2': ['2021/04', '2021/05', '2021/06']
}

想通过一个接收两个参数的Lambda函数实现，示例形式如下：

window_func = lambda partition_func, order_func: ...

其中partition_func用于指定分区字段（对应数据项的第三列item[2]），order_func用于指定排序字段（对应数据项的第二列item[1]）

实现代码 #

from itertools import groupby

rows = [(1, '2021/04', 'Shop 2', 341227.53), (2, '2021/05', 'Shop 2', 315447.24), (3, '2021/06', 'Shop 1', 1845662.35), (4, '2021/04', 'Shop 2', 21487.63), (5, '2021/05', 'Shop 1', 1489774.16), (6, '2021/06', 'Shop 1', 52489.35), (7, '2021/04', 'Shop 1', 154552.82), (8, '2021/05', 'Shop 2', 6548.49), (9, '2021/06', 'Shop 2', 387779.49)]

# 实现Lambda函数
window_func = lambda partition_func, order_func: {
    shop: sorted({row[1] for row in shop_rows}, key=lambda dt: order_func(next(r for r in rows if r[1] == dt)))
    for shop, shop_rows in groupby(sorted(rows, key=partition_func), key=partition_func)
}

# 调用示例：按店铺分区，按日期排序
result = window_func(lambda x: x[2], lambda x: x[1])
print(result)

代码说明 #

1. 先对原始数据按分区字段排序：sorted(rows, key=partition_func)，因为groupby只能把连续相同的项归为一组，必须先排序才能正确分组
2. 用groupby按店铺分组，得到每个店铺对应的所有行数据
3. 提取每个店铺的所有日期，用集合去重（如果不需要去重，把{row[1] for row in shop_rows}改成[row[1] for row in shop_rows]即可）
4. 用order_func指定的规则对日期排序，最终生成键为店铺名、值为排序后日期列表的字典

测试输出 #

{'Shop 1': ['2021/04', '2021/05', '2021/06'], 'Shop 2': ['2021/04', '2021/05', '2021/06']}

内容的提问来源于stack exchange，提问作者David542