如何按股票编号分组计算嵌套列表对应第三元素的乘积？

问题回顾 #

你现在有一个包含多股票数据的嵌套列表，每个子列表的第一个元素是股票编号，第三个元素是需要计算乘积的数值。现有代码只能处理单股票的情况，需要一个通用方法来处理任意数量、任意数据量的股票。

先把你的示例数据和预期结果再明确下：

示例输入：

A = [[120, 'Date1', 1.03], [120, 'Date2', 1.04], [120, 'Date3', 1.02], [240, 'Date1', 1.06], [240, 'Date2', 0.98], [240, 'Date3', 1.04], [381, 'Date2', 1.03], [381, 'Date3', 0.85]]

预期输出：[1.092624, 1.08035, 0.8755]

方法一：字典分组法（最通用，不受数据顺序影响） #

这个方法的核心是先把同一股票的所有数值收集起来，再逐个计算乘积，不管你的股票数据是不是连续排列都能正常工作：

A = [[120, 'Date1', 1.03], [120, 'Date2', 1.04], [120, 'Date3', 1.02], [240, 'Date1', 1.06], [240, 'Date2', 0.98], [240, 'Date3', 1.04], [381, 'Date2', 1.03], [381, 'Date3', 0.85]]

# 第一步：按股票编号分组收集数值
stock_data = {}
for entry in A:
    stock_id = entry[0]
    value = entry[2]
    # 如果股票编号不在字典里，就初始化一个空列表
    if stock_id not in stock_data:
        stock_data[stock_id] = []
    stock_data[stock_id].append(value)

# 第二步：计算每个股票数值的乘积
result = []
for values in stock_data.values():
    product = 1
    for v in values:
        product *= v
    result.append(round(product, 6))  # 可选：保留6位小数和预期结果一致

print(result)  # 输出: [1.092624, 1.080352, 0.8755]

为什么这个方法好用？

• 不管同一股票的条目是不是连续排列，都能准确收集所有数值
• 逻辑清晰，新手也容易理解和调试

方法二：itertools.groupby（适合已排序的列表） #

如果你的原始列表已经按股票编号排序（比如示例里的顺序），可以用itertools.groupby来简化分组步骤，代码会更简洁：

from itertools import groupby

A = [[120, 'Date1', 1.03], [120, 'Date2', 1.04], [120, 'Date3', 1.02], [240, 'Date1', 1.06], [240, 'Date2', 0.98], [240, 'Date3', 1.04], [381, 'Date2', 1.03], [381, 'Date3', 0.85]]

result = []
# 按股票编号分组，key函数取子列表的第一个元素
for stock_id, group in groupby(A, key=lambda x: x[0]):
    product = 1
    # 遍历当前分组的所有条目，取出数值相乘
    for item in group:
        product *= item[2]
    result.append(round(product, 6))

print(result)  # 输出: [1.092624, 1.080352, 0.8755]

注意事项：

groupby只会把连续的相同编号分到一组，如果你的列表里同一股票的条目是分散的，需要先排序：

# 先按股票编号排序
A_sorted = sorted(A, key=lambda x: x[0])
# 再用groupby处理...

方法三：用math.prod简化乘积计算（Python 3.8+） #

Python 3.8及以上版本提供了math.prod函数，可以直接计算可迭代对象的乘积，不用手动写循环，代码会更简洁：

import math
from itertools import groupby

A = [[120, 'Date1', 1.03], [120, 'Date2', 1.04], [120, 'Date3', 1.02], [240, 'Date1', 1.06], [240, 'Date2', 0.98], [240, 'Date3', 1.04], [381, 'Date2', 1.03], [381, 'Date3', 0.85]]

# 字典方法的简化版
stock_data = {}
for entry in A:
    # setdefault可以简化判断和初始化的步骤
    stock_data.setdefault(entry[0], []).append(entry[2])

result = [round(math.prod(values), 6) for values in stock_data.values()]
print(result)

# groupby方法的简化版
result_groupby = [round(math.prod(item[2] for item in group), 6) for _, group in groupby(A, key=lambda x: x[0])]
print(result_groupby)

这样写出来的代码既简洁又易读，推荐在Python版本允许的情况下使用。

内容的提问来源于stack exchange，提问作者Hertzeh