当键值位于可迭代元素中时如何使用 itertools.groupby ？

Question

为了说明这一点，我从 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]

产量：

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)

我想要得到类似的结果：

1 one, one
2 two, two
3 three

我认为这是因为密钥在元组内在列表内部，实际上元组作为一个整体移动。有没有办法达到我想要的输出？也许 groupby() 不适合这项任务？

Answer 1

groupby 对具有相同键的可迭代对象的连续元素进行聚类。
要产生您想要的输出，您必须首先对 raw 进行排序。

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

我认为获得您想要的结果的更干净的方法是这样的。

>>> 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的时间复杂度为O(n)，现在sorted()只是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
到 Unix 中的 uniq 过滤器。它
每隔一段时间生成一个中断或新组
时间关键函数的值
变化（这就是为什么它通常是
需要对数据进行排序
使用相同的按键功能）。那
行为与 SQL 的 GROUP BY 不同
聚合共同元素
无论输入顺序如何。

由于无论如何您都是按字典顺序对元组进行排序，因此您只需调用 sorted 即可：

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