match語句python3.10中的條件情況（結構模式匹配）

Question

我目前正在開發一些東西，想知道 python 3.10 中的新匹配語句是否適合這樣的用例，我有條件語句。

作為輸入，我有一個時間戳和一個帶有日期和值的 dataframe。 目標是遍歷所有行，並根據日期將值添加到相應的 bin bases。 在這里，將值放置在哪個 bin 中取決於與時間戳相關的日期。 時間戳 1 個月內的日期放在 bin 1 中，2 個月內放在 bin 2 中，依此類推...

我現在的代碼如下：

bins = [0] * 7

for date, value in zip(df.iloc[:,0],df.iloc[:,1]):
    match [date,value]:
        case [date,value] if date < timestamp + pd.Timedelta(1,'m'):
            bins[0] += value
        case [date,value] if date > timestamp + pd.Timedelta(1,'m') and date < timestamp + pd.Timedelta(2,'m'):
            bins[1] += value
        case [date,value] if date > timestamp + pd.Timedelta(2,'m') and date < timestamp + pd.Timedelta(3,'m'):
            bins[2] += value
        case [date,value] if date > timestamp + pd.Timedelta(3,'m') and date < timestamp + pd.Timedelta(4,'m'):
            bins[3] += value
        case [date,value] if date > timestamp + pd.Timedelta(4,'m') and date < timestamp + pd.Timedelta(5,'m'):
            bins[4] += value
        case [date,value] if date > timestamp + pd.Timedelta(5,'m') and date < timestamp + pd.Timedelta(6,'m'):
            bins[5] += value

更正：最初我聲明此代碼不起作用。 事實證明它確實如此。 但是，我仍然想知道這是否適合使用 match 語句。

Answer 1

我會說這不是結構模式匹配的好用，因為沒有實際的結構。 您正在檢查單個 object 的值，因此 if/elif 鏈是一個更好、更具可讀性和自然的選擇。

我對你寫的方式還有 2 個問題-

1. 您不考慮垃圾箱邊緣的值
2. 你正在檢查相同的條件兩次，即使你達到了一些匹配/案例的檢查，你保證以前的不匹配 - 所以你不需要做if date > timestamp + pd.Timedelta(1,'m') and...如果先前檢查if date < timestamp + pd.Timedelta(1,'m')失敗，您已經知道它並不小。 （存在平等的邊緣情況，但無論如何都應該以某種方式處理）

總而言之，我認為這將是更清潔的解決方案：

for date, value in zip(df.iloc[:,0],df.iloc[:,1]):

    if date < timestamp + pd.Timedelta(1,'m'):
        bins[0] += value
    elif date < timestamp + pd.Timedelta(2,'m'):
        bins[1] += value
    elif date < timestamp + pd.Timedelta(3,'m'):
        bins[2] += value
    elif date < timestamp + pd.Timedelta(4,'m'):
        bins[3] += value
    elif date < timestamp + pd.Timedelta(5,'m'):
        bins[4] += value
    elif date < timestamp + pd.Timedelta(6,'m'):
        bins[5] += value
    else:
        pass

Answer 2

這真的應該直接用 Pandas 函數來完成：

import pandas as pd
from datetime import datetime

timestamp = datetime.now()
bins = [pd.Timestamp(year=1970, month=1, day=1)]+[pd.Timestamp(timestamp)+pd.Timedelta(i, 'm') for i in range(6)]+[pd.Timestamp(year=2100, month=1, day=1)] # plus open bin on the right
n_samples = 1000

data = {
  'date': [pd.to_datetime(timestamp)+pd.Timedelta(i,'s') for i in range(n_samples)],
  'value': list(range(n_samples))
}

df = pd.DataFrame(data)

df['bin'] = pd.cut(df.date, bins, right=False)
df.groupby('bin').value.sum()