如何根据匹配的子字符串从一个列表创建多个列表？

Question

我在 python 中有一个由各种文件名组成的字符串列表，如下所示（但更长）：all_templates = ['fitting_file_expdisk_cutout-IMG-HSC-I-18115-6,3-OBJ-NEP175857.9+655841.2.feedme', 'fitting_file_sersic_cutout-IMG-HSC-I-18115-3,3-OBJ-NEP180508.6+655617.3.feedme', 'fitting_file_sersic_cutout-IMG-HSC-I-18115-1,8-OBJ-NEP180840.8+665226.2.feedme', 'fitting_file_sersic_cutout-IMG-HSC-I-18115-6,7-OBJ-NEP175927.6+664230.2.feedme', 'fitting_file_expdisk_cutout-IMG-HSC-I-18114-0,5-OBJ-zsel56238.feedme', 'fitting_file_devauc_cutout-IMG-HSC-I-18114-0,3-OBJ-NEP175616.1+660601.5.feedme', 'fitting_file_sersic_cutout-IMG-HSC-I-18115-6,4-OBJ-zsel56238.feedme']我想为具有相同对象名称（以 开头OBJ-和结尾的子字符串）的元素创建多个较小的列表.feedme。所以我有一个这样的列表：obj1 = ['fitting_file_expdisk_cutout-IMG-HSC-I-18114-0,5-OBJ-zsel56238.feedme', 'fitting_file_sersic_cutout-IMG-HSC-I-18115-6,4-OBJ-zsel56238.feedme'],等等其他匹配的“对象”。实际上，我有 900 多个独特的“对象”，而原始列表all_templates有 4000 多个元素，因为每个对象都有 3 个或更多单独的模板文件（它们都以随机顺序出现）。所以最后我想要超过 900 个列表（每个对象一个）。我怎样才能做到这一点？编辑：这是我尝试过的，但它为我提供了每个子列表中所有原始模板文件名的列表（对于一个对象名称，每个文件名都应该是唯一的）。import re# Break up list into multiple lists according to substring (object name)obj_list = [re.search(r'.*(OBJ.+)\.feedme', filename)[1] for filename in all_template_files]obj_list = list(set(obj_list)) # create list of unique objects (remove duplicates)templates_objs_sorted = [[]]*len(obj_list)for i in range(len(obj_list)):    for template in all_template_files:        if obj_list[i] in template:            templates_objs_sorted[i].append(template)

Answer 1

from collections import defaultdict

from pprint import pprint

all_templates = ['fitting_file_expdisk_cutout-IMG-HSC-I-18115-6,3-OBJ-NEP175857.9+655841.2.feedme', 'fitting_file_sersic_cutout-IMG-HSC-I-18115-3,3-OBJ-NEP180508.6+655617.3.feedme', 'fitting_file_sersic_cutout-IMG-HSC-I-18115-1,8-OBJ-NEP180840.8+665226.2.feedme', 'fitting_file_sersic_cutout-IMG-HSC-I-18115-6,7-OBJ-NEP175927.6+664230.2.feedme', 'fitting_file_expdisk_cutout-IMG-HSC-I-18114-0,5-OBJ-zsel56238.feedme', 'fitting_file_devauc_cutout-IMG-HSC-I-18114-0,3-OBJ-NEP175616.1+660601.5.feedme', 'fitting_file_sersic_cutout-IMG-HSC-I-18115-6,4-OBJ-zsel56238.feedme']

# simple helper function to extract the common object name

# you could probably use Regex... but then you'd have 2 problems

def objectName(path):

    start = path.index('-OBJ-')

    stop = path.index('.feedme')

    return path[(start + 5):stop]

# I really wanted to use a one line reduce here, but... 

grouped = defaultdict(list)

for each in all_templates:

    grouped[objectName(each)].append(each)

pprint(grouped)

侧面/切线

好吧，我不能在reduce那里做一个简单的衬里，这真的让我感到烦恼。最后，希望python有一个好的groupby功能。它具有该名称的功能，但仅限于连续键。Smalltalk、Objc 和 Swift 都具有 groupby 机制，基本上允许您通过任意传递函数对可发音进行分桶。

我最初的尝试看起来像：

grouped = reduce(

    lambda accum, each: accum[objectName(each)].append(each),

    all_templates,

    defaultdict(list))

问题是拉姆达。lambda 仅限于单个表达式。为了让它在 reduce 中工作，它最多返回累积参数的修改版本。但是除非必须，python 不喜欢从函数/方法返回东西。即使我们更换了append用<accessTheCurrentList> + [each]，我们需要一本字典修饰方法更新在关键值，返回修改后的字典。我找不到这样的东西。

但是，我们可以做的是将更多信息加载到我们的累加器中，例如元组。我们可以使用元组的一个槽来继续传递 defaultdict 指针，另一个来捕获修改操作的无用 None 返回。它最终非常丑陋，但它是一个单线：

from functools import reduce

grouped = reduce(

    lambda accum, each: (accum[0], accum[0][objectName(each)].append(each)),

    all_templates,

    (defaultdict(list), None))[0]

Answer 2

您可以对排序列表进行分组：

from itertools import groupby

import re

all_templates = ['fitting_file_expdisk_cutout-IMG-HSC-I-18115-6,3-OBJ-NEP175857.9+655841.2.feedme', 'fitting_file_sersic_cutout-IMG-HSC-I-18115-3,3-OBJ-NEP180508.6+655617.3.feedme', 'fitting_file_sersic_cutout-IMG-HSC-I-18115-1,8-OBJ-NEP180840.8+665226.2.feedme', 'fitting_file_sersic_cutout-IMG-HSC-I-18115-6,7-OBJ-NEP175927.6+664230.2.feedme', 'fitting_file_expdisk_cutout-IMG-HSC-I-18114-0,5-OBJ-zsel56238.feedme', 'fitting_file_devauc_cutout-IMG-HSC-I-18114-0,3-OBJ-NEP175616.1+660601.5.feedme', 'fitting_file_sersic_cutout-IMG-HSC-I-18115-6,4-OBJ-zsel56238.feedme']

pattern = re.compile(r'OBJ-.*?\.feedme$')

objs = {name: pattern.search(name)[0] for name in all_templates}

result = [list(g) for k, g in groupby(sorted(all_templates, key=objs.get), key=objs.get)]

print(result)

输出：

[['fitting_file_devauc_cutout-IMG-HSC-I-18114-0,3-OBJ-NEP175616.1+660601.5.feedme'],

 ['fitting_file_expdisk_cutout-IMG-HSC-I-18115-6,3-OBJ-NEP175857.9+655841.2.feedme'],

 ['fitting_file_sersic_cutout-IMG-HSC-I-18115-6,7-OBJ-NEP175927.6+664230.2.feedme'],

 ['fitting_file_sersic_cutout-IMG-HSC-I-18115-3,3-OBJ-NEP180508.6+655617.3.feedme'],

 ['fitting_file_sersic_cutout-IMG-HSC-I-18115-1,8-OBJ-NEP180840.8+665226.2.feedme'],

 ['fitting_file_expdisk_cutout-IMG-HSC-I-18114-0,5-OBJ-zsel56238.feedme',

  'fitting_file_sersic_cutout-IMG-HSC-I-18115-6,4-OBJ-zsel56238.feedme']]