我可以使用 groupby 来解决 python 中的这种情况吗？

Question

我有一个 redis 数据库，它每十秒从 Arduino 接收一次数据。

现在，我想用6个10秒的数据计算1个60秒的数据，然后得到6个10秒的数据的avg,max,min如下。

import json

a = [u'{"id":"proximity_sensor1","tstamp":1440643570238,"avg":15.0,"coefVariation":0.0,"anom":0,"max":15.0,"min":15.0,"sample_size":10}',
 u'{"id":"proximity_sensor1","tstamp":1440643580307,"avg":15.0,"coefVariation":0.0,"anom":0,"max":15.0,"min":15.0,"sample_size":9}',
 u'{"id":"proximity_sensor1","tstamp":1440643590242,"avg":15.0,"coefVariation":0.0,"anom":0,"max":15.0,"min":15.0,"sample_size":9}',
 u'{"id":"proximity_sensor1","tstamp":1440643590242,"avg":15.0,"coefVariation":0.0,"anom":0,"max":15.0,"min":15.0,"sample_size":8}',
 u'{"id":"proximity_sensor1","tstamp":1440643590242,"avg":15.0,"coefVariation":0.0,"anom":0,"max":15.0,"min":15.0,"sample_size":9}',
 u'{"id":"proximity_sensor1","tstamp":1440643590242,"avg":15.0,"coefVariation":0.0,"anom":0,"max":15.0,"min":15.0,"sample_size":9}']

a = map(lambda x: json.loads(x), a)

#print a

def abc(aaa):
    for index in range(0, len(aaa), 6):
        abc = aaa[index:(index+6)]
        tuples = [('avg', 'max', 'min')]
        avg = sum(map(lambda x: x['avg'], abc))/6
        min_ = min(map(lambda x: x['min'], abc))
        max_ = max(map(lambda x: x['max'], abc))
        yield [avg, max_, min_]

print list(abc(a))

我在想有没有更好的方法解决。如果我使用itertools.groupby，我可以更快地解决它吗？或者谁有简化计算过程的好主意？

Answer 1

通常 itertools.groupby 与某些条件一起使用以对元素进行分组，但由于在您的情况下您没有任何此类条件，相反您只想将每 6 个元素分组在一起，我不认为使用 itertools.groupby 会带来任何好处。

话虽这么说，但我可以建议一些其他改进 -

您可以将 'key' 参数用于 max/min 函数，而不是当前的 map/lambda 方法，示例 -
```
max_ = max(abc, key= lambda x:x['max'])['max']
```
与 min() 函数类似。
此外，我认为对 sum() 而不是 map/lambda 进行列表理解会更具可读性。例子-
```
 avg = sum([x['avg'] for x in abc])/6
```

我可以使用 groupby 来解决 python 中的这种情况吗？

May I use groupby to solve this case in python?

python

python-2.x

redis

python-2.7