统计各时段演出最大连续售票数的Python代码问题求助

原代码的核心问题 #

• 循环终止条件i < len(df)-1跳过了最后一行数据，导致最后一个小时（10点）的统计无法输出
• 仅在小时切换时输出结果，循环结束后未处理最后一个小时的剩余统计数据
• 未跟踪最大连续售票数：当前代码只累加连续次数，但同一小时内可能存在多段连续序列，需要取最长的那段值
• 计数逻辑偏差：连续n条相同记录的实际连续售票数是n，但原代码的累加值是n-1，且未考虑单段连续结束后需重置当前计数并更新最大值

修复后的循环版本 #

如果坚持用循环实现，可按以下方式修改：

# 初始化变量
i = 0
current_adel = 0
current_kanye = 0
max_adel = {}
max_kanye = {}
prev_hour = df["purchase_hour"].iloc[0]
prev_ticket = df["ticket_desc"].iloc[0]

# 初始化当前小时的计数
if prev_ticket == "Adel L.A. Concert":
    current_adel = 1
else:
    current_kanye = 1

while i < len(df):
    # 处理到最后一行，或者当前行与下一行小时/演出不同的情况
    if i == len(df)-1 or (df["purchase_hour"].iloc[i] != df["purchase_hour"].iloc[i+1] or df["ticket_desc"].iloc[i] != df["ticket_desc"].iloc[i+1]):
        # 更新当前小时的最大值
        hour = df["purchase_hour"].iloc[i]
        if prev_ticket == "Adel L.A. Concert":
            if hour not in max_adel or current_adel > max_adel[hour]:
                max_adel[hour] = current_adel
            current_adel = 0
        else:
            if hour not in max_kanye or current_kanye > max_kanye[hour]:
                max_kanye[hour] = current_kanye
            current_kanye = 0
        
        # 准备下一段的初始计数
        if i != len(df)-1:
            next_ticket = df["ticket_desc"].iloc[i+1]
            if next_ticket == "Adel L.A. Concert":
                current_adel = 1
            else:
                current_kanye = 1
            prev_ticket = next_ticket
    else:
        # 连续相同演出，累加当前计数
        if df["ticket_desc"].iloc[i] == "Adel L.A. Concert":
            current_adel += 1
        else:
            current_kanye += 1
    i += 1

# 输出结果
for hour in sorted(max_adel.keys() | max_kanye.keys()):
    print(f"adel ticket at {hour} is {max_adel.get(hour, 0)}")
    print(f"kanye ticket at {hour} is {max_kanye.get(hour, 0)}")

更高效的Pandas向量化解法 #

用Pandas内置方法处理连续序列，效率更高，适合大数据量：

import pandas as pd

# 1. 标记连续相同演出的分组
df['is_same'] = (df['purchase_hour'] == df['purchase_hour'].shift()) & (df['ticket_desc'] == df['ticket_desc'].shift())
df['group_id'] = (~df['is_same']).cumsum()

# 2. 按小时、演出、分组统计每组的连续售票数
grouped = df.groupby(['purchase_hour', 'ticket_desc', 'group_id']).size().reset_index(name='continuous_count')

# 3. 按小时和演出取最大连续数
result = grouped.groupby(['purchase_hour', 'ticket_desc'])['continuous_count'].max().unstack(fill_value=0)

# 4. 格式化输出
for hour in result.index:
    print(f"adel ticket at {hour} is {result.loc[hour, 'Adel L.A. Concert']}")
    print(f"kanye ticket at {hour} is {result.loc[hour, 'Kanye West Concert']}")

代码说明 #

• 第一步通过shift()对比当前行与上一行的小时和演出，标记是否连续；再用cumsum()生成连续组的ID
• 第二步按小时、演出、组ID分组，统计每组的长度（即连续售票数）
• 第三步按小时和演出取每组的最大值，得到每个小时每场演出的最大连续售票数
• 最后格式化输出结果，完全符合需求

内容的提问来源于stack exchange，提问作者Alon