如何以更高效和pythonic的方式編寫以下代碼？

Question

我有一個url列表： file_url_list ，打印到這個：

www.latimes.com, www.facebook.com, affinitweet.com, ...

還有另一個Top 1M url的列表： top_url_list ，它打印到：

[1, google.com], [2, www.google.com], [3, microsoft.com], ...

我想找到多少網址在file_url_list在top_url_list 。 我寫了下面的代碼，但是我知道這不是最快的方法，也不是最pythonic的方法。

# Find the common occurrences
found = []
for file_item in file_url_list:
    for top_item in top_url_list:
        if file_item == top_item[1]:
            # When you find an occurrence, put it in a list
            found.append(top_item)

我怎樣才能以更高效，更pythonic的方式寫出來？

Answer 1

設置交叉應該有幫助。 此外，您可以使用生成器表達式從top_url_list每個條目中僅提取url。

file_url_list = ['www.latimes.com', 'www.facebook.com', 'affinitweet.com']
top_url_list = [[1, 'google.com'], [2, 'www.google.com'], [3, 'microsoft.com']]

common_urls = set(file_url_list) & set(url for (index, url) in top_url_list)

或者同樣感謝Jean-FrançoisFabre ：

common_urls = set(file_url_list) & {url for (index, url) in top_url_list}

Answer 2

你說你想知道文件中有多少url位於前1m列表中，而不是它們實際上是什么。 構建一組較大的列表（我假設它將是1m），然后遍歷另一個列表，計算每個列表是否在集合中：

top_urls = {url for (index, url) in top_url_list}
total = sum(url in top_urls for url in file_url_list)

如果文件列表較大，則從中構建集合：

file_urls = set(file_url_list)
total = sum(url in file_urls for index, url in top_url_list)

sum會加上數字。 url in top_urls計算為bool ，無論是True還是False 。 這將分別轉換為1或0的整數。 url in top_urls for url in file_url_list有效地為sum生成1或0的序列。

也許稍微更高效（我必須測試它），你可以過濾，如果url in top_urls只加1 ：

total = sum(1 for url in file_url_list if url in top_urls)

Answer 3

你可以從第二個列表中獲取URL，然后使用set作為Kos在他的答案中顯示的，或者你可以使用lambda和filter。

top_url_list_flat = [item[1] for item in top_url_list]
print filter(lambda url: url in file_url_list, top_url_list_flat)

在Python 3中， filter返回一個可迭代的對象，因此您必須執行以下操作：

for common in (filter(lambda url: url in file_url_list, top_url_list_flat)):
    print (common)

演示