如何根据每个元素中的某些信息对列表的元素进行分组？

Question

我有一个清单。 我列表中的每个元素都是这样的：

list[0]={'Keywords': ' foster care case aide ',
 'categoryId': '1650',
 'result': {'categoryId': '1650',
  'categoryName': 'case aide',
  'score': '1.04134220123291'}}

我可以收集同一组中具有相同categoryId的所有关键字吗？ 并为每个categoryId计算我有多少个keywords ？

如果不可能，请告诉我

Answer 1

您可以使用collections.defaultdict为每个categoryId设置一set并添加相关单词：

from collections import defaultdict

output = defaultdict(set)

for entry in list:
    kwds = entry['Keywords'].strip().split(' ')
    for word in kwds:
        output[entry['categoryId']].add(word)

我正在使用一个set ，因为我假设您不希望每个categoryId中的单词重复。 您可以改为使用list或其他集合。

然后你可以得到每个 ID 的大小：

for k, v in output.items():
    print(f'ID: {k}, words: {len(v)}')

# ID: 1650, words: 4

---

回应OP的评论：

如果您收到KeyError: 'categoryId' ，这意味着某些条目没有键'categoryId' 。 如果您只想跳过这些条目，可以在上述解决方案中添加一个小问题：

for entry in list:
    # catch if there is a missing ID field
    if entry.get('categoryId', None) is None: 
        break
  
    # otherwise the same
    kwds = entry['Keywords'].strip().split(' ')
    for word in kwds:
        output[entry['categoryId']].add(word)

如果没有categoryID ，循环将break ，条目将被跳过。

请注意，我们也依赖于那里的"Keywords"字段，因此您可能还需要为此添加一个catch。

或者，如果您想从没有 ID 的条目中收集所有关键字，您可以在原始解决方案中使用dict.get() ：

for entry in data:
    kwds = entry['Keywords'].strip().split(' ')
    for word in kwds:
        output[entry.get('categoryId', None)].add(word)

现在如果没有categoryId ，则关键字将添加到output中的键None中。