Python按月统计商品ID销量：重复代码优化方案咨询

核心思路 #

利用Pandas的时间序列处理和分组聚合能力，替代手动逐月份筛选的重复代码，同时用高效的内置统计方法替换自定义的低效频次计算函数。

精简后代码 #

import pandas as pd

# 读取数据
train_purchases = pd.read_csv(r"C:\Users\Can\Desktop\dressipi_recsys2022\train_purchases.csv")

# 将date列转换为datetime类型，方便按月份处理
train_purchases['date'] = pd.to_datetime(train_purchases['date'])

# 按月+item_id分组，统计每个商品每月的售出次数
monthly_item_counts = train_purchases.groupby(
    [train_purchases['date'].dt.to_period('M'), 'item_id']
).size().reset_index(name='sales_count')

# 找出每个月售出次数最多的商品
top_monthly_items = monthly_item_counts.loc[
    monthly_item_counts.groupby('date')['sales_count'].idxmax()
]

# 遍历输出结果
for _, row in top_monthly_items.iterrows():
    print(f"{row['item_id']} id sold {row['sales_count']} times in {row['date']}.")

代码优化点说明 #

1. 消除重复筛选逻辑：
   • 不再手动编写每个月份的日期判断，通过dt.to_period('M')直接提取月份周期（如2020-01），自动覆盖所有15个月的数据。
2. 替换低效自定义函数：
   • 原most_frequent函数用List.count(i)逐元素统计，时间复杂度为O(n²)，数据量大时性能极差。
   • 改用groupby().size()一次性统计所有商品的月度销量，时间复杂度降为O(n)，效率大幅提升。
3. 自动适配全量数据：
   • 无论数据包含多少个月，代码无需修改即可自动处理，扩展性更强。

补充说明 #

如果需要保留所有商品的月度销量统计（而非仅top1），直接使用monthly_item_counts即可，它包含了每个月份每个商品的售出次数，方便后续进一步分析。

内容的提问来源于stack exchange，提问作者canucar7