計算元組列表中唯一元組的發生率

Question

對於分類Django網站項目，我有一個由(user_id, ad_id)對組成的元組列表。 這表示點擊者的user_id以及相關的ad_id 。

例如：

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

此列表中的元素絕不是唯一的-每次點擊都會被推送到此列表中，無論是同一用戶和/或同一廣告。

現在，我可以通過執行以下操作獲得所有唯一點擊：

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

但是，如何獲得每個廣告的唯一點擊 ？ 也就是說，如果同一用戶點擊了兩個不同的廣告，則將被計為2次單獨的點擊。

性能也很重要-它是一個大數據集-因此，它會首選最有效的解決方案以及一個說明性示例。

Answer 1

而是在queryset上使用distinct方法。 假設您的模型是User並且您想要獲得唯一的user_id和ad_id對。

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

這將在數​​據庫級別執行工作，因此我希望它比Willem提到的在Python中完成工作要快。

我可能誤解了您的問題。 如果是這種情況，請告訴我，以便我嘗試提供替代解決方案。

Answer 2

只需采用唯一的元組：

unique_clicks = set(gross_clicks)

這為您提供了每個廣告的唯一身份用戶印象集。

在示例輸入中， (1, 13)出現兩次，但是在一組中，它只會出現一次：

>>> 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)}

在給定大量元組作為輸入的情況下，使用集合來跟蹤唯一元素是盡可能高效的（測試集合中是否已有給定的元組是O（1）恆定時間操作）。

但是，如果此數據來自您的數據庫，則要求它為您提供唯一的對更為有效。