当键值在iterable的元素中时，如何使用itertools.groupby？

Question

为了说明，我从一个2元组列表开始：

import itertools
import operator

raw = [(1, "one"),
       (2, "two"),
       (1, "one"),
       (3, "three"),
       (2, "two")]

for key, grp in itertools.groupby(raw, key=lambda item: item[0]):
    print key, list(grp).pop()[1]

收益率：

1 one
2 two
1 one
3 three
2 two

试图调查原因：

for key, grp in itertools.groupby(raw, key=lambda item: item[0]):
    print key, list(grp)

# ---- OUTPUT ----
1 [(1, 'one')]
2 [(2, 'two')]
1 [(1, 'one')]
3 [(3, 'three')]
2 [(2, 'two')]

即使这样也会给我相同的输出：

for key, grp in itertools.groupby(raw, key=operator.itemgetter(0)):
    print key, list(grp)

我希望得到类似的东西：

1 one, one
2 two, two
3 three

我认为这是因为键是在列表中的元组内部，而实际上元组是作为一个元素移动的。 有没有办法达到我想要的输出？ 也许groupby()不适合这个任务？

Answer 1

groupby聚集具有相同密钥的iterable的连续元素。 要产生您想要的输出，您必须先对raw排序。

for key, grp in itertools.groupby(sorted(raw), key=operator.itemgetter(0)):
    print key, map(operator.itemgetter(1), grp)

# 1 ['one', 'one']
# 2 ['two', 'two']
# 3 ['three']

Answer 2

我认为，获得理想结果的更简洁方法就是这样。

>>> from collections import defaultdict
>>> d=defaultdict(list)
>>> for k,v in raw:
...  d[k].append(v)
... 
>>> for k,v in sorted(d.items()):
...  print k, v
... 
1 ['one', 'one']
2 ['two', 'two']
3 ['three']

构建d是O（n），现在sorted()就在唯一键上而不是整个数据集上

Answer 3

来自文档 ：

groupby（）的操作类似于Unix中的uniq过滤器。 每次键函数的值发生变化时，它都会生成一个中断或新组（这就是为什么通常需要使用相同的键函数对数据进行排序）。 这种行为不同于SQL的GROUP BY，它聚合了常见元素而不管它们的输入顺序如何。

由于您无论如何都要按字典顺序对元组进行排序，因此您可以调用sorted ：

for key, grp in itertools.groupby( sorted( raw ), key = operator.itemgetter( 0 ) ):
    print( key, list( map( operator.itemgetter( 1 ), list( grp ) ) ) )