python删除集合中的重复值

Question

我有一个看起来像这样的集合：

my_set  = {
  [
      {
         "sample_id": "read1", 
         "seg_1": None, 
         "lukM-F": "D", 
         "23s_SA": None, 
         "see": None, 
         "sed": "ND"
      }, 
      {
         "sample_id": "read2", 
         "seg_1": None, 
         "lukM-F": "ND", 
         "23s_SA": None, 
         "see": "D", 
         "sed": "ND"
      }, 
      {
         "sample_id": "read3", 
         "seg_1": None, 
         "lukM-F": "D", 
         "23s_SA": None, 
         "see": "ND", 
         "sed": "None"
      }
  ]
}

我想删除整个字符串中值为“ None”的键。 例如，例如：如果“ none”是每个sample_id（read1 AND read2 AND read3）中键“ seg_1”的值，则将其全部删除。 如果在“ seg_1”中有一个“无”，例如在read1中说，而另外两个sample_id不是“无”，则保留“ seg_1”及其值。 因此，我想得出以下结论：

my_set  = {
  [
      {
         "sample_id": "read1",  
         "lukM-F": "D", 
         "see": None, 
         "sed": "ND"
      }, 
      {
         "sample_id": "read2", 
         "lukM-F": "ND", 
         "see": "D", 
         "sed": "ND"
      }, 
      {
         "sample_id": "read3", 
         "lukM-F": "D", 
         "see": "ND", 
         "sed": "None"
      }
  ]
}

请注意，seg_1和23s_SA现在已被删除，因为它们在所有sample_id中的值为“ None”。

我花了很长时间尝试这样做，但没有成功。 我终于将集合转换为dict，然后列出，然后遍历所有列表，并删除所有列表中始终不包含任何内容的所有项目。

number_of_samples = len(my_set)
each_sample_list = [[] for i in range(0, number_of_samples)]

n = 0

for data_in_dict in my_set:
  for k,val in data_in_dict.items():
    each_sample_list[n].append([k,val])
  if n == number_of_samples:
    break
  else:
    print each_sample_list[n]
    n += 1

我曾考虑过使用itertools izip遍历多个列表，但不确定这是否行得通。 任何帮助将不胜感激。

谢谢

Answer 1

您可以创建计数器，然后删除所有需要的密钥：

import collections
import itertools

source = [ 
  {
     "sample_id": "read1", 
     "seg_1": None, 
     "lukM-F": "D", 
     "23s_SA": None, 
     "see": None, 
     "sed": "ND"
  }, 
  {
     "sample_id": "read2", 
     "seg_1": None, 
     "lukM-F": "ND", 
     "23s_SA": None, 
     "see": "D", 
     "sed": "ND"
  }, 
  {
     "sample_id": "read3", 
     "seg_1": None, 
     "lukM-F": "D", 
     "23s_SA": None, 
     "see": "ND", 
     "sed": "None"
  }
]

size = len(source)

# for python2 you should use iteritems() method
iterators_chain = itertools.chain(*[x.items() for x in source])
counter = collections.Counter(iterators_chain)

for (key, val), count in counter.items():
    if count == size and val is None:
        for x in source:
            x.pop(key)

Answer 2

您的my_set不是有效的集合，因为集合项必须是可哈希的，列表也不是哈希的。 但无论如何...

这是一种不需要任何导入的方法。 它使用集合来确定要保留哪些密钥。

my_stuff = [
    {
        "sample_id": "read1", 
        "seg_1": None, 
        "lukM-F": "D", 
        "23s_SA": None, 
        "see": None, 
        "sed": "ND"
    }, 
    {
        "sample_id": "read2", 
        "seg_1": None, 
        "lukM-F": "ND", 
        "23s_SA": None, 
        "see": "D", 
        "sed": "ND"
    }, 
    {
        "sample_id": "read3", 
        "seg_1": None, 
        "lukM-F": "D", 
        "23s_SA": None, 
        "see": "ND", 
        "sed": None
    }
]

allkeys = set(k for d in my_stuff for k in d)
goodkeys = set(k for k in allkeys if any(d.get(k) for d in my_stuff))
badkeys = allkeys - goodkeys
for d in my_stuff:
    for k in badkeys:
        del d[k]

for d in my_stuff:
    print(d)

输出

{'lukM-F': 'D', 'see': None, 'sed': 'ND', 'sample_id': 'read1'}
{'lukM-F': 'ND', 'see': 'D', 'sed': 'ND', 'sample_id': 'read2'}
{'lukM-F': 'D', 'see': 'ND', 'sed': None, 'sample_id': 'read3'}

allkeys和goodkeys那些set(...)构造可以用现代Python版本中的set comprehension替换，但是我在这台古老的机器上使用Python 2.6.6。

---

构建allkeys集的另一种方法是

allkeys = set()
for d in my_stuff:
    allkeys.update(d.keys())

尽管代码更多，但运行速度更快，因为.update以C速度处理dict的整个键集合，而另一种方法则必须以Python速度遍历键。 当然，如果可以保证列表的每个dict中的键集始终相同，则可以进一步优化它。

Answer 3

利用键在list中的所有dict必须为None

bkeys = [k for k, v in next(iter(my_stuff), {}).items() if v is None]

bkeys = [k for k in bkeys if all(d[k] is None for d in my_stuff)]

my_stuff = [{k: v for k, v in d.items() if k not in bkeys} for d in my_stuff]

新的my_stuff打印输出：

{'see': None, 'sed': 'ND', 'lukM-F': 'D', 'sample_id': 'read1'}
{'see': 'D', 'sed': 'ND', 'lukM-F': 'ND', 'sample_id': 'read2'}
{'see': 'ND', 'sed': None, 'lukM-F': 'D', 'sample_id': 'read3'}

没有dict理解，只需将最后一行更改为：

my_stuff = [dict(((k, v) for k, v in d.items() if k not in bkeys)) for d in my_stuff]

编辑为仅使用第一个项目的None键（如果存在）。