Python分组依据

Question

假设我有一组数据对，其中索引0是值，索引1是类型：input = [          ('11013331', 'KAT'),           ('9085267',  'NOT'),           ('5238761',  'ETH'),           ('5349618',  'ETH'),           ('11788544', 'NOT'),           ('962142',   'ETH'),           ('7795297',  'ETH'),           ('7341464',  'ETH'),           ('9843236',  'KAT'),           ('5594916',  'ETH'),           ('1550003',  'ETH')        ]我想按它们的类型（按第一个索引字符串）将它们分组，如下所示：result = [            {              type:'KAT',              items: ['11013331', '9843236']            },           {             type:'NOT',              items: ['9085267', '11788544']            },           {             type:'ETH',              items: ['5238761', '962142', '7795297', '7341464', '5594916', '1550003']            }         ] 如何有效地做到这一点？

Answer 1

分两步完成。首先，创建字典。

>>> input = [('11013331', 'KAT'), ('9085267', 'NOT'), ('5238761', 'ETH'), ('5349618', 'ETH'), ('11788544', 'NOT'), ('962142', 'ETH'), ('7795297', 'ETH'), ('7341464', 'ETH'), ('9843236', 'KAT'), ('5594916', 'ETH'), ('1550003', 'ETH')]

>>> from collections import defaultdict

>>> res = defaultdict(list)

>>> for v, k in input: res[k].append(v)

...

然后，将该字典转换为预期的格式。

>>> [{'type':k, 'items':v} for k,v in res.items()]

[{'items': ['9085267', '11788544'], 'type': 'NOT'}, {'items': ['5238761', '5349618', '962142', '7795297', '7341464', '5594916', '1550003'], 'type': 'ETH'}, {'items': ['11013331', '9843236'], 'type': 'KAT'}]

使用itertools.groupby也可以，但是它要求输入首先被排序。

>>> sorted_input = sorted(input, key=itemgetter(1))

>>> groups = groupby(sorted_input, key=itemgetter(1))

>>> [{'type':k, 'items':[x[0] for x in v]} for k, v in groups]

[{'items': ['5238761', '5349618', '962142', '7795297', '7341464', '5594916', '1550003'], 'type': 'ETH'}, {'items': ['11013331', '9843236'], 'type': 'KAT'}, {'items': ['9085267', '11788544'], 'type': 'NOT'}]

请注意，这两个都不遵守键的原始顺序。如果需要保留订单，则需要一个OrderedDict。

>>> from collections import OrderedDict

>>> res = OrderedDict()

>>> for v, k in input:

...   if k in res: res[k].append(v)

...   else: res[k] = [v]

... 

>>> [{'type':k, 'items':v} for k,v in res.items()]

[{'items': ['11013331', '9843236'], 'type': 'KAT'}, {'items': ['9085267', '11788544'], 'type': 'NOT'}, {'items': ['5238761', '5349618', '962142', '7795297', '7341464', '5594916', '1550003'], 'type': 'ETH'}]

Answer 2

Python的内置itertools模块实际上具有一个groupbyfunction，但是为此，必须首先对要分组的元素进行排序，以使要分组的元素在列表中是连续的：

from operator import itemgetter

sortkeyfn = itemgetter(1)

input = [('11013331', 'KAT'), ('9085267', 'NOT'), ('5238761', 'ETH'), 

 ('5349618', 'ETH'), ('11788544', 'NOT'), ('962142', 'ETH'), ('7795297', 'ETH'), 

 ('7341464', 'ETH'), ('9843236', 'KAT'), ('5594916', 'ETH'), ('1550003', 'ETH')] 

input.sort(key=sortkeyfn)

现在输入看起来像：

[('5238761', 'ETH'), ('5349618', 'ETH'), ('962142', 'ETH'), ('7795297', 'ETH'),

 ('7341464', 'ETH'), ('5594916', 'ETH'), ('1550003', 'ETH'), ('11013331', 'KAT'),

 ('9843236', 'KAT'), ('9085267', 'NOT'), ('11788544', 'NOT')]

groupby返回格式为的2元组序列(key, values_iterator)。我们想要的是将其转换为字典列表，其中“类型”是键，“项目”是values_iterator返回的元组的第0个元素的列表。像这样：

from itertools import groupby

result = []

for key,valuesiter in groupby(input, key=sortkeyfn):

    result.append(dict(type=key, items=list(v[0] for v in valuesiter)))

现在result包含您想要的字典，如您的问题所述。

但是，您可能会考虑仅对此做出一个单独的dict，以类型为键，并且每个值都包含值列表。在当前形式中，要查找特定类型的值，必须遍历列表以查找包含匹配的“ type”键的字典，然后从中获取“ items”元素。如果您使用单个词典而不是一个1-item词典的列表，则可以通过在主词典中进行单键查找来查找特定类型的项目。使用groupby，这看起来像：

result = {}

for key,valuesiter in groupby(input, key=sortkeyfn):

    result[key] = list(v[0] for v in valuesiter)

result现在包含此字典（这类似于res@KennyTM答案中的中间defaultdict）：

{'NOT': ['9085267', '11788544'], 

 'ETH': ['5238761', '5349618', '962142', '7795297', '7341464', '5594916', '1550003'], 

 'KAT': ['11013331', '9843236']}

（如果您希望将其减少为单层，则可以：

result = dict((key,list(v[0] for v in valuesiter)

              for key,valuesiter in groupby(input, key=sortkeyfn))

或使用新奇的dict-comprehension形式：

result = {key:list(v[0] for v in valuesiter)

              for key,valuesiter in groupby(input, key=sortkeyfn)}