如何简化循环内的If/elif语句？代码用于Excel城市多维度数据统计

当然有办法简化这些if/elif语句啦！我给你分享几个实用的思路，既能让代码更简洁，也更容易维护：

如果你的用户类型是固定的（subscribers、customers、其他），可以把类型和对应的统计键做一个映射，这样不用写一堆条件分支，代码逻辑更清晰。

假设你原来的循环逻辑大概是这样：

for row in excel_rows:
    city = row['city']
    user_type = row['user_type']
    trip_duration = row['trip_duration']
    
    if user_type == 'subscribers':
        city_stats[city]['subscribers'] += 1
    elif user_type == 'customers':
        city_stats[city]['customers'] += 1
    else:
        city_stats[city]['others'] += 1
    
    # 计算平均时长的代码...

改成字典映射后会清爽很多：

# 先定义用户类型到统计字段的映射
user_type_map = {
    'subscribers': 'subscribers',
    'customers': 'customers'
}

for row in excel_rows:
    city = row['city']
    user_type = row['user_type']
    trip_duration = row['trip_duration']
    
    # 用get方法获取对应字段，默认归类到'others'
    stats_key = user_type_map.get(user_type, 'others')
    city_stats[city][stats_key] += 1
    
    # 平均时长的计算逻辑...

以后如果要新增用户类型，只需要在user_type_map里加一组键值对就行，不用修改循环内部的代码，维护起来超方便！

既然是处理Excel数据，直接用Pandas绝对是最优解——完全抛弃手动循环和条件判断，几行代码就能搞定所有统计需求，效率还高得多。

示例代码如下：

import pandas as pd

# 读取Excel文件
df = pd.read_excel('your_excel_file.xlsx')

# 按城市分组，一次性统计所有指标
city_stats = df.groupby('city').agg(
    subscribers=('user_type', lambda x: (x == 'subscribers').sum()),
    customers=('user_type', lambda x: (x == 'customers').sum()),
    others=('user_type', lambda x: (~x.isin(['subscribers', 'customers'])).sum()),
    avg_trip_duration=('trip_duration', 'mean')
).reset_index()

# 查看结果
print(city_stats)

这种方法不仅代码量骤减，而且Pandas的分组运算经过优化，处理大数据量时比手动循环快N倍，还能直接把结果导出为Excel或者其他格式，一步到位。

如果因为某些原因必须用手动循环，那可以用collections.defaultdict来自动初始化每个城市的统计数据，避免提前手动判断城市是否存在，让代码更简洁。

示例：

from collections import defaultdict

# 初始化统计结构，每个城市默认拥有初始值
city_stats = defaultdict(lambda: {
    'subscribers': 0,
    'customers': 0,
    'others': 0,
    'total_duration': 0,
    'trip_count': 0
})

# 结合方法一的字典映射
user_type_map = {
    'subscribers': 'subscribers',
    'customers': 'customers'
}

for row in excel_rows:
    city = row['city']
    user_type = row['user_type']
    trip_duration = row['trip_duration']
    
    stats_key = user_type_map.get(user_type, 'others')
    city_stats[city][stats_key] += 1
    
    # 累计时长和行程数
    city_stats[city]['total_duration'] += trip_duration
    city_stats[city]['trip_count'] += 1

# 最后计算每个城市的平均时长
for city in city_stats:
    if city_stats[city]['trip_count'] > 0:
        city_stats[city]['avg_trip_duration'] = city_stats[city]['total_duration'] / city_stats[city]['trip_count']
    else:
        city_stats[city]['avg_trip_duration'] = 0

这样不用提前为每个城市创建统计项，代码逻辑更流畅。

内容的提问来源于stack exchange，提问作者Godfrey