Pandas系列|一切从爆炸函数开始

前段时间部门有位大数据开发的同事离职了，在他和其他开发的同事进行工作项目交接的时候，我去旁听了下，因为涉及到一些公司业务逻辑的问题。当讲到某个项目的时候，他谈到：

这个业务逻辑是…….，我用Hive中的爆炸函数实现了这个功能。

当时他举了一个简单的例子来说明爆炸函数的功能，我当场就记下了这个函数名称：爆炸函数。Hive在我的工作中使用的并不多，于是我在想：Pandas能够实现这个功能吗？

爆炸函数功能

爆炸函数到底实现的是什么需求呢？我回忆一下当时的例子：

现在有一份数据，包含订单编号和订单中商品价格（每个订单3个商品），使用hive中的爆炸函数之后变成如下图所示的样子：相当于是实现了列转成行的功能。这样后续就能进行各种聚合操作。

Hive中实现爆炸功能有两个函数，可自行搜索了解：

• explode(col)
• lateral view：侧写函数

pandas实现

具体需求

碰巧最近有一个需求就用到爆炸函数的功能，不过是用pandas实现的。在下面表格的左边部分是每个订单的销售记录，包含销售员、跟单员、结单员，他们三者不一定是同一个人。

现在需要统计每个员工的销售业绩。销售业绩也就是指员工参与了多少订单。统计每个员工的销售业绩：

• 有作为销售员、跟单员、结单员的任意一种，即可说明参与了该订单的销售；
• 同一个订单中，一个员工参与多次只记为一次

爆炸函数到底实现的是什么功能呢？右边就是我们想要的结果：

• 张三：参加了订单号1-销售员，订单号2-跟单员、结单员，数量2
• 李四：参加了订单号1-跟单员、结单员，订单2-销售员，订单号3-跟单员，数量3
• 王五：参加了订单号3-销售员、结单员，数量1

解决过程

1、在pandas模拟了一份数据如下：

2、生成一个新字段：员工

3、实施爆炸功能，使用的是pandas中的explode函数，得到新数据：可以看到每个订单号会多次出现

4、统计结果

这样根据不同的字段，比如员工、销售员、跟单员等就能统计不同的业绩

什么是pandas

pandas中文叫做熊猫，它是Python的核心数据处理和数据分析的第三方库，它拥有快速、灵活、明确的数据结构。

Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（另一个Python库，提供高性能的矩阵运算），能够用于数据挖掘和数据分析，同时也提供数据清洗功能。

Pandas有什么用

pandas的具体使用以后会形成连载系列，敬请期待！

本文结语：拥抱pandas，告别Excel！