比较Python中连续元组列表的第一个元素

Question

我有一个元组列表，每个元组包含两个元素。 少数子列表的第一个元素很常见。 我想比较这些子列表的第一个元素，并将第二个元素添加到一个列表中。 这是我的清单：

myList=[(1,2),(1,3),(1,4),(1,5),(2,6),(2,7),(2,8),(3,9),(3,10)]

我想列出一个列表，看起来像这样：`

NewList=[(2,3,4,5),(6,7,8),(9,10)]

我希望如果有任何有效的方法。

Answer 1

您可以使用OrderedDict按元组的第一个子元素对元素进行分组：

myList=[(1,2),(1,3),(1,4),(1,5),(2,6),(2,7),(2,8),(3,9),(3,10)]

from collections import OrderedDict

od  = OrderedDict()

for a,b in myList:
    od.setdefault(a,[]).append(b)

print(list(od.values()))
[[2, 3, 4, 5], [6, 7, 8], [9, 10]]

如果你真的想要元组：

print(list(map(tuple,od.values())))
[(2, 3, 4, 5), (6, 7, 8), (9, 10)]

如果你不关心元素出现的顺序，只想要最有效的分组方法，你可以使用collections.defaultdict ：

from collections import defaultdict

od  = defaultdict(list)

for a,b in myList:
    od[a].append(b)

print(list(od.values()))

最后，如果您的数据按照您的输入示例排序，即排序，您只需使用itertools.groupby按每个元组的第一个子元素进行分组，并从分组的元组中提取第二个元素：

from itertools import groupby
from operator import itemgetter
print([tuple(t[1] for t in v) for k,v in groupby(myList,key=itemgetter(0))])

输出：

[(2, 3, 4, 5), (6, 7, 8), (9, 10)]

再次，只有当您的数据至少按第一个元素排序时 ，groupby才会起作用。

在合理大小的列表上的一些时间：

In [33]: myList = [(randint(1,10000),randint(1,10000)) for _ in range(100000)]

In [34]: myList.sort()

In [35]: timeit ([tuple(t[1] for t in v) for k,v in groupby(myList,key=itemgetter(0))])
10 loops, best of 3: 44.5 ms per loop

In [36]: %%timeit                                                               od = defaultdict(list)
for a,b in myList:
    od[a].append(b)
   ....: 
10 loops, best of 3: 33.8 ms per loop

In [37]: %%timeit
dictionary = OrderedDict()
for x, y in myList:
     if x not in dictionary:
        dictionary[x] = [] # new empty list
    dictionary[x].append(y)
   ....: 
10 loops, best of 3: 63.3 ms per loop

In [38]: %%timeit   
od = OrderedDict()
for a,b in myList:
    od.setdefault(a,[]).append(b)
   ....: 
10 loops, best of 3: 80.3 ms per loop

如果订单很重要且数据已排序 ，请使用groupby ，如果需要将所有元素映射到defaultdict中的元组，它将更接近defaultdict方法。

如果数据未排序或您不关心任何订单，您将找不到比使用defaultdict方法更快的分组方式。

Answer 2

这感觉就像字典的任务（如果你还不知道字典，请在python.org上查看）。 这是一个非常冗长的例子，所以它不是我在日常编码中写的，但最好是冗长而不清楚：

dictionary = collections.OrderedDict()
for x, y in myList:
    if not dictionary.has_key(x):
        dictionary[x] = [] # new empty list
    # append y to that list
    dictionary[x].append(y)

Answer 3

考虑到这一点， 最有效的方法可能是这个单行（假设dictionary是空dict ，即dictionary = {}或dictionary = OrderedDict()如Padraic'优秀答案 ）：

for x,y in myList: dictionary.setdefault(x,[]).append(y)

我不是说这是最容易阅读的方法，但我喜欢它:)

编辑哈！ 基准测试证明我错了; setdefault方法比if not dictionary.has_key(x): dictionary[x]=[]方法慢：

>>> timeit.timeit("for x,y in myList:\n    if not dictionary.has_key(x):\n        dictionary[x]=[]\n    dictionary[x].append(y)", "from collections import OrderedDict\nmyList=[(1,2),(1,3),(
1,4),(1,5),(2,6),(2,7),(2,8),(3,9),(3,10)]\ndictionary=OrderedDict()")
2.2573769092559814
>>> timeit.timeit("for x,y in myList: dictionary.setdefault(x,[]).append(y)", "from collections import OrderedDict\nmyList=[(1,2),(1,3),(1,4),(1,5),(2,6),(2,7),(2,8),(3,9),(3,10)]\ndictiona
ry=OrderedDict()")
3.3534231185913086

当然，帕德里克还是正确的：他的defaultdict方法使用，但0.82s我的机器上，因此它由3倍的速度更快。

另外，正如Padraic所指出的那样： dict.has_key(x)已被弃用，而且应该x in dict使用x in dict ; 但是，我无法测量速度差异。

Answer 4

以下应该有效：

import itertools

myList = [(1,2),(1,3),(1,4),(1,5),(2,6),(2,7),(2,8),(3,9),(3,10)]
print [tuple(x[1] for x in g) for k, g in itertools.groupby(myList, key=lambda x: x[0])]

哪个显示：

[(2, 3, 4, 5), (6, 7, 8), (9, 10)]