计算元组列表中唯一元组的发生率

Question

对于分类Django网站项目，我有一个由(user_id, ad_id)对组成的元组列表。 这表示点击者的user_id以及相关的ad_id 。

例如：

gross_clicks = [(1, 13),(1, 12), (1, 13), (2, 45), (2, 13), (1, 15), ...(n, m)]

此列表中的元素绝不是唯一的-每次点击都会被推送到此列表中，无论是同一用户和/或同一广告。

现在，我可以通过执行以下操作获得所有唯一点击：

unique_clicks = []
import operator
gross_click_ids = map(operator.itemgetter(0), gross_clicks)
return len(set(gross_click_ids))

但是，如何获得每个广告的唯一点击 ？ 也就是说，如果同一用户点击了两个不同的广告，则将被计为2次单独的点击。

性能也很重要-它是一个大数据集-因此，它会首选最有效的解决方案以及一个说明性示例。

Answer 1

而是在queryset上使用distinct方法。 假设您的模型是User并且您想要获得唯一的user_id和ad_id对。

User.objects.all().values_list('id', 'ad_id').distinct('id', 'ad_id')

这将在数​​据库级别执行工作，因此我希望它比Willem提到的在Python中完成工作要快。

我可能误解了您的问题。 如果是这种情况，请告诉我，以便我尝试提供替代解决方案。

Answer 2

只需采用唯一的元组：

unique_clicks = set(gross_clicks)

这为您提供了每个广告的唯一身份用户印象集。

在示例输入中， (1, 13)出现两次，但是在一组中，它只会出现一次：

>>> gross_clicks = [(1, 13), (1, 12), (1, 13), (2, 45), (2, 13), (1, 15)]
>>> set(gross_clicks)
{(1, 12), (1, 13), (1, 15), (2, 45), (2, 13)}

在给定大量元组作为输入的情况下，使用集合来跟踪唯一元素是尽可能高效的（测试集合中是否已有给定的元组是O（1）恒定时间操作）。

但是，如果此数据来自您的数据库，则要求它为您提供唯一的对更为有效。