合并列表中相同元素的列表

Question

我需要合并列表，有一个可以实现的功能，但是当合并的次数很慢，无法忍受的时候，不知道有没有更高效的方法

合并条件：子列表包含相同的数字谢谢

简单关联：

[7,8,9] = [7,8]+[8,9]   #The same number 8 

级联包含：

[1,2,3]   = [1,2,3]+[3,4] #The same number 3 
[3,4,5,6] = [3,4],[4,5,6] #The same number 4 
[1,2,3,4,5,6] = [1,2,3]+[3,4,5,6] #The same number 3 

功能：

a =  [ [1,2,3],[4,5,6],[3,4],[7,8],[8,9],[6,12,13] ]
b = len(a)
for i in range(b):
    for j in range(b):
        x = list(set(a[i]+a[j]))
        y = len(a[j])+len(a[i])
        if i == j or a[i] == 0 or a[j] == 0:
            break
        elif len(x) < y:
            a[i] = x
            a[j] = [0]
            print a
print [i for i in a if i!= [0]]

结果：

[[8, 9, 7], [1, 2, 3, 4, 5, 6, 10, 11]]

上面是一个例子，实际计算中每个子列表的长度只有2，

a =  [[1,3],[5,6],[3,4],[7,8],[8,9],[12,13]]

我想错过更多的数据，这里是一个模拟数据。

a = np.random.rand(150,150)>0.99 
a[np.tril_indices(a.shape[1], -1)] = 0     
a[np.diag_indices(a.shape[1])]     = 0     
a = [list(x) for x in np.c_[np.where(a)]]

consolidate(a)

Answer 1

我认为您的算法接近最优，除了可以缩短内循环，因为相交操作是对称的，即如果您检查(A, B)相交，则无需检查(B, A) 。 这样你就会从O(n²)到O(n * (n / 2)) 。

但是，我会更干净地重写这段代码，并且我也会避免修改输入。 另请注意，由于set不保证排序，因此在进入列表之前进行一些排序是个好主意。

这是我建议的代码（编辑以减少铸造和排序的数量）：

def consolidate(items):
    items = [set(item.copy()) for item in items]
    for i, x in enumerate(items):
        for j, y in enumerate(items[i + 1:]):
            if x & y:
                items[i + j + 1] = x | y
                items[i] = None
    return [sorted(x) for x in items if x]

将您的代码封装在一个函数中，我会得到：

def consolidate_orig(a):
    a = [x.copy() for x in a]
    b = len(a)
    for i in range(b):
        for j in range(b):
            x = list(set(a[i]+a[j]))
            y = len(a[j])+len(a[i])
            if i == j or a[i] == 0 or a[j] == 0:
                break
            elif len(x) < y:
                a[i] = x
                a[j] = [0]
    return [i for i in a if i!= [0]]

这将允许我们做一些干净的微基准测试（为了完整起见，我还包括了@zipa 的merge() ）：

---

编辑：

@zipa 的代码没有正确封装，这里是一个具有适当封装的等效版本：

def merge(iterable, base=None):
    if base is None:
        base = iterable
    merged = set([tuple(set(i).union(
        *[j for j in base if set(i).intersection(j)])) for i in iterable])
    if merged == iterable:
        return merged
    else:
        return merge(merged, base)

和更新的时间：

in_list = [[1,2,3], [4,5,6], [3,4], [7,8], [8,9], [6,12,13]]
%timeit consolidate_orig(in_list)
# 17.9 µs ± 368 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit consolidate(in_list)
# 6.15 µs ± 30 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit merge(in_list)
# 53.6 µs ± 718 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

in_list = [[1, 3], [5, 6], [3, 4], [7, 8], [8, 9], [12, 13]]
%timeit consolidate_orig(in_list)
# 16.1 µs ± 159 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit consolidate(in_list)
# 5.87 µs ± 71.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit merge(in_list)
# 27 µs ± 701 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

---

表明，至少对于此输入，建议的解决方案始终更快。 由于生成大量有意义的输入并不太简单，因此我将让您检查这是否比您对更大输入的方法更有效。

---

编辑

对于更大但可能毫无意义的输入，时间仍然有利于建议的版本：

in_list = [[1,2,3], [4,5,6], [3,4], [7,8], [8,9], [6,12,13]] * 300
%timeit consolidate_orig(in_list)
# 1.04 s ± 14.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit consolidate(in_list)
# 724 ms ± 7.51 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit merge(in_list)
# 1.04 s ± 7.94 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

in_list = [[1, 3], [5, 6], [3, 4], [7, 8], [8, 9], [12, 13]] * 300
%timeit consolidate_orig(in_list)
# 1.03 s ± 18 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit consolidate(in_list)
# 354 ms ± 3.43 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit merge(in_list)
# 967 ms ± 16.6 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

Answer 2

这种方法应该在较大的嵌套列表上执行得更快：

def merge(iterable):
    merged = set([tuple(set(i).union(*[j for j in a if set(i).intersection(j)])) for i in iterable])
    if merged == iterable:
        return merged
    else:
        return merge(merged)
merged(a)
#set([(1, 2, 3, 4, 5, 6, 12, 13), (8, 9, 7)])

它递归地组合列表，直到用尽所有组合。