Python迭代表格统计人员地点变更对出现次数的实现方案

嘿，这个需求很常见啊，咱们一步步来实现～核心思路就是先按人员分组拿到各自的时间线地点，再逐个提取变更对，最后统计次数就行。

步骤拆解 #

• 首先得把同一个人的地点按时间顺序归拢到一起，毕竟要统计每个人的行程变更，得先明确每个人的地点序列
• 对每个人员的地点序列，遍历生成相邻的地点变更对（比如从GA到IL就记为GA-IL）
• 最后统计所有变更对的出现次数，整理成要求的列表格式

Python 代码实现 #

from collections import defaultdict

# 给定的示例数据
People = ["A", "A", "B", "B", "B", "C", "C", "C"]
Location = ["GA", "IL", "GA", "IL", "GA", "CA", "IL", "GA"]

# 1. 按人员分组，收集每个人的地点时间线
person_timeline = defaultdict(list)
for person, loc in zip(People, Location):
    person_timeline[person].append(loc)

# 2. 遍历每个人员的时间线，生成变更对并计数
change_counter = defaultdict(int)
for locations in person_timeline.values():
    # 从第二个地点开始，和前一个地点组成变更对
    for idx in range(1, len(locations)):
        prev_loc = locations[idx-1]
        curr_loc = locations[idx]
        change_pair = f"{prev_loc}-{curr_loc}"
        change_counter[change_pair] += 1

# 3. 转换成要求的输出格式
Change_of_location = list(change_counter.keys())
count = list(change_counter.values())

# 验证结果
print(Change_of_location)  # 输出: ['GA-IL', 'IL-GA', 'CA-IL']
print(count)               # 输出: [2, 2, 1]

代码解释 #

• 分组阶段：用zip把人员和对应地点配对，用defaultdict自动创建列表来存储每个人的地点，保证顺序和原数据一致（因为原数据是按时间排序的）
• 变更对生成：对每个人员的地点列表，从索引1开始（也就是第二个地点），和前一个地点拼接成前-后的字符串格式，然后在计数器里累加次数
• 结果转换：把计数器的键（变更对）和值（次数）分别转成列表，就是你要的输出啦

如果不想用collections模块，也可以用普通字典手动实现分组逻辑，只是代码会稍显繁琐，比如每次检查人员是否在字典中，不存在就初始化空列表，本质逻辑是一样的。

内容的提问来源于stack exchange，提问作者DyrelundData