有效地為嵌套的元組列表找到匹配的索引和值

Question

我正在處理不同大小的列表，我的問題是：

假設我有兩個不同大小的元組列表：

value1 = [(0, 1), (0, 2), (0, 3)]
value2 = [(0, 6), (0, 2), (0, 4), (0, 9), (0, 7)]

插入另一個列表：

my_list = [value1, value2]

將mylist附加到third list並按順序返回時，找到匹配索引的最有效方法是什么（最好是 O(n) ）？ 結果應該類似於：

value3 = [(0, 1), (0, 2), (0, 3), (0, 5), (0, 7), (0, 10)]

mathing_values (my_list, value3): 
    
    my_list.append(value3)

    return ->  "The List 'value3' has a matching with 'value1' in 
                index 0 : (0, 1), index 1: (0, 2) and with 'value2'
                in index 4: (0, 7)"

Obs：如果它適用於多個列表（超過 3 個），那將是完美的

Answer 1

我不確定這是最有效的方法，但可讀且簡單：

v3 = set(value3)

[set(x).intersection(v3) for x in my_list]

UPD：使用 dict 值作為索引的擴展解決方案：

v3 = set(value3)

[(i, k) for x in my_list for (i, k) in enumerate(set(x)) if k in v3]

Answer 2

我不認為set()會起作用，因為你想要索引，所以這不是超級有效，但它會起作用：

def find_matches(my_list, new_list):
    indices = []
    values = []
    for index, (a, b) in enumerate(zip(my_list[0], my_list[1])):
        for new_value in new_list:
            if new_value == a or new_value == b:
                indices.append(index)
                values.append(new_value)
    if len(indices) == 0:
        return "No matches"
    else:
        return "Matching Values: {} Corresponding Indices: {}".format(values, indices)

然后只需調用 function：

print(find_matches(my_list, value3))

output：

匹配值：[(0, 1), (0, 2), (0, 3)] 對應索引：[0, 1, 2]

這是 pandas 的解決方案，它會更快，並且可以包含任意數量的列表。 希望這可以幫助。

import pandas as pd

def find_matches(my_list, new_list):
    
    #create a dataframe from the lists contained in my_list
    dfs = []
    for l in my_list:
        l_series = pd.Series(l)
        l_df = pd.DataFrame(l_series)
        dfs.append(l_df)
    df = pd.concat(dfs, ignore_index=True, axis=1)
    
    #create second df of Boolean values if there are matches to the new_list
    df2 = df[df.isin(new_list)]
    df_final = df2.dropna(how='all')#drop rows where no matches were found in any list

    
    return df_final

調用：

find_matches(my_list, value3)

返回：

    0   1
0   (0, 1)  NaN
1   (0, 2)  (0, 2)
2   (0, 3)  NaN
4   NaN (0, 7)