基于概率生成的拣货列表高级过滤：Python实现方案问询

背景回顾 #

嘿，这个需求用Python处理其实很高效，咱们可以用内置数据结构做一键式筛选，比Excel的分步操作更简洁直接～先理下你的场景：你已经用random.choices生成了带概率的20个货品列表，每个货品包含名称、通道(aisle)和货位(slot)，现在要每个通道只留货位数值最大的那一项。

原始代码与输出 #

你生成拣货列表的代码是：

import random
import xlwings as xw
from collections import Counter

wb = xw.Book('Test.xlsx')
sheet = xw.sheets.active
SKUs = sheet.range('A2:C693').value
list_of_prob = sheet.range('D2:D693').value
list_of_prob = [float(i) for i in list_of_prob]

SKUs = random.choices(SKUs, weights=list_of_prob, k=20)
for item in zip(SKUs):
    print(item)

生成的原始输出（简化为通道和货位部分）：

([10.0, 1.0],)
([6.0, 15.0],)
([8.0, 17.0],)
([7.0, 2.0],)
([5.0, 5.0],)
([2.0, 2.0],)
([1.0, 6.0],)
([6.0, 9.0],)
([3.0, 2.0],)
([4.0, 2.0],)
([5.0, 4.0],)
([9.0, 4.0],)
([1.0, 4.0],)
([1.0, 1.0],)
([2.0, 2.0],)
([3.0, 1.0],)
([9.0, 3.0],)
([5.0, 6.0],)
([1.0, 1.0],)
([7.0, 4.0],)

你期望转换后的结果：

([10.0, 1.0],)
([6.0, 15.0],)
([8.0, 17.0],)
([2.0, 2.0],)
([1.0, 6.0],)
([3.0, 2.0],)
([4.0, 2.0],)
([9.0, 4.0],)
([5.0, 6.0],)
([7.0, 4.0],)

最优Python实现方案 #

用字典来处理是最高效的方式，因为字典的键具有唯一性，我们可以把通道(aisle)作为键，值保存当前该通道下货位最大的货品项。遍历一次列表就能完成筛选，时间复杂度是O(n)，比先去重再查最大值的步骤更高效。

具体代码实现 #

在你生成SKUs列表之后，添加这段代码即可：

# 初始化空字典：键为通道号，值为对应最大货位的货品项
aisle_max_slot = {}

for item in SKUs:
    # 提取当前货品的通道和货位（item结构：[名称, aisle, slot]）
    current_aisle = item[1]
    current_slot = item[2]
    
    # 逻辑：如果通道不在字典里，或当前货位比字典中已存的更大，就更新
    if current_aisle not in aisle_max_slot or current_slot > aisle_max_slot[current_aisle][2]:
        aisle_max_slot[current_aisle] = item

# 提取字典中的所有值，就是筛选后的最终列表
filtered_skus = list(aisle_max_slot.values())

# 按你原来的格式打印结果
for item in zip(filtered_skus):
    print(item)

代码解释 #

1. 字典aisle_max_slot自动帮我们完成通道去重：同一个通道只会保留货位最大的项，后续遇到同通道的小货位项会直接跳过。
2. 一次遍历完成筛选，不需要额外的去重、排序操作，性能拉满。
3. Python 3.7+的普通字典默认保留插入顺序，所以最终列表会保持通道第一次出现的顺序，同时保证每个通道都是最大货位的货品。

补充说明 #

如果你的SKUs列表里的项是元组而非列表，代码逻辑完全一致，只需要保持索引写法统一即可。这种方法不需要额外依赖库，用Python内置结构就能搞定，适合集成到你的拣货程序里做批量自动化处理。

内容的提问来源于stack exchange，提问作者Karim.C