海量商品数据统计与排序：高效Python解决方案
在电商或零售领域，高效处理海量商品数据至关重要。本文介绍一种Python方法，用于统计相同商品（标题、颜色、尺码相同）的销售数量，并按总销量进行排序。 假设我们拥有一个包含数千条商品信息的庞大数据集，如何快速有效地完成这项任务呢？
答案是利用Python的collections.Counter模块。Counter对象能够高效地统计序列中每个元素的出现次数。 我们将利用它来分别统计商品组合（标题、颜色、尺码）的数量和每个商品标题的总销量。最后，将这些信息整合，并按总销量排序。
以下代码演示了具体实现：
from collections import Counter
data = [
('连衣裙', '白色', 'S', 1),
('连衣裙', '白色', 'S', 1),
('连衣裙', '黑色', 'M', 1),
('裤子', '白色', 'S', 1),
]
# 统计每个商品组合的数量
item_counts = Counter(tuple(item[:-1]) for item in data)
# 统计每个商品标题的总销量
title_totals = Counter(item[0] for item in data)
# 创建结果列表，包含标题、颜色、尺码、组合销量和标题总销量
result = [(*item_key, count, title_totals[item_key[0]]) for item_key, count in item_counts.items()]
# 按总销量（降序）、标题、颜色、尺码排序
result.sort(key=lambda x: (-x[4], x[0], x[1], x[2]))
print(result)
代码首先使用Counter统计商品组合和标题总销量。然后，构建结果列表，包含每个商品组合的销量以及该商品标题的总销量。最后，利用lambda函数作为排序键，按总销量降序排列，其次按标题、颜色、尺码排序，确保结果的清晰性和一致性。 这种方法即使面对数千甚至更多的数据，也能保持高效的处理速度。
