如何对复杂的字典键进行排序

Question

我已经处理了这些非常复杂的数据文件，并且在处理每个文件时，我使用了orderedDictionary 来捕获键和值。每个orderedDictionary 都附加到一个列表中，因此我的最终结果是一个字典列表。由于这些文件中捕获的数据具有多样性，因此它们有许多共同的键，但有足够多的不常见键使将数据导出到 Excel 比我希望的更加复杂，因为我确实需要以一致的方式推出数据结构。

每个键的结构如下

Q_#_SUB_A_COLUMN_#_NUMB_#

，例如我有

 Q_123_SUB_D_COLUMN_C_NUMB_17

我们可以按如下方式翻译键

 Question 123
 SubItem D
 Column C
 Instance 17

因为有一个子项 D、列 C 和实例 17，所以必须有一个子项 A、列 B 和实例 16

但是，源文件之一可能是填充了数据值（并且范围达到上面示例的键和其他一些源文件可能会终止，

Q_123_SUB_D_COLUMN_C_NUMB_13

所以当我迭代字典列表以提取所有唯一的键实例时，我可以在 csv.dictwriter 中使用它们作为柱子我的计划是对唯一列标题的结果列表进行排序，但我似乎无法使排序工作

具体进行，我需要它进行排序，以便结果看起来像

 Q_122_SUB_A_COLUMN_C_NUMB_1
 Q_122_SUB_B_COLUMN_C_NUMB_1
 Q_123_SUB_A_COLUMN_C_NUMB_1
 Q_123_SUB_B_COLUMN_C_NUMB_1
 Q_123_SUB_C_COLUMN_C_NUMB_1
 Q_123_SUB_D_COLUMN_C_NUMB_1
 dot
 dot
 dot
 Q_123_SUB_A_COLUMN_C_NUMB_17
 Q_123_SUB_B_COLUMN_C_NUMB_17
 Q_123_SUB_C_COLUMN_C_NUMB_17
 Q_123_SUB_D_COLUMN_C_NUMB_17

最大的问题是，在打开任何特定的标题之前我不知道这些文件的集合，回答了多少个问题，回答了多少子问题，有多少列与每个问题或子问题相关联，或者问题、子问题或列的任何特定组合存在多少个实例，并且我不想。使用 Python，我能够将 1,200 多行 SAS 代码减少到 95 行，但是在我开始将其写入 CSV 文件之前的最后一点我似乎无法弄清楚。

任何意见将不胜感激。

我的计划是通过迭代字典列表来找到所有唯一键，然后对这些键进行正确排序，以便我可以使用这些键作为列标题创建一个 csv 文件。我知道我可以找到唯一的键将其推出并手动对其进行排序，然后读回排序后的文件，但这似乎很笨拙。

Answer 1

只需提供一个足够聪明的函数作为排序时的键即可。

>>> (lambda x: tuple(y(z) for (y, z) 
                     in zip((int, str, str, int), 
                            x.split('_')[1::2])))('Q_122_SUB_A_COLUMN_C_NUMB_1')
(122, 'A', 'C', 1)

Answer 2

您可以使用正则表达式来提取键的不同部分并使用它们进行排序。

例如，

import re

names = '''Q_122_SUB_A_COLUMN_C_NUMB_1
Q_122_SUB_B_COLUMN_C_NUMB_1
Q_123_SUB_B_COLUMN_C_NUMB_1
Q_123_SUB_A_COLUMN_C_NUMB_17
Q_123_SUB_D_COLUMN_C_NUMB_1
Q_123_SUB_B_COLUMN_C_NUMB_17
Q_123_SUB_C_COLUMN_C_NUMB_1
Q_123_SUB_C_COLUMN_C_NUMB_17
Q_123_SUB_A_COLUMN_C_NUMB_1
Q_123_SUB_D_COLUMN_C_NUMB_17'''.split()

def key(name, match=re.compile(r'Q_(\d+)_SUB_(\w+)_COLUMN_(\w+)_NUMB_(\d+)').match):
    # not sure what the actual order is, adjust the priorities accordingly
    return tuple(f(value) for f, value in zip((str, int, int, str), match(name).group(3, 4, 1, 2)))

for name in names:
    print name

names.sort(key=key)

print

for name in names:
    print name

---

为了解释密钥提取过程，我们知道密钥具有一定的模式。正则表达式在这里效果很好。

r'Q_(\d+)_SUB_(\w+)_COLUMN_(\w+)_NUMB_(\d+)'
#     ^         ^            ^          ^
#     digits    letters      letters    digits
#     group 1   group 2      group 3    group 4

在正则表达式中，括号中的字符串部分是组。 \d 代表任何十进制数字。 + 表示前面应该有一个或多个字符。所以 \d+ 表示一位或多位十进制数字。 \w 对应于一个字母。

如果字符串与此模式匹配，我们可以使用 group 方法轻松访问该字符串中的每个分组。您也可以通过包含更多组编号来访问多个组

，例如，

m = match('Q_122_SUB_B_COLUMN_C_NUMB_1')
# m.group(1) == '122'
# m.group(2) == 'B'
# m.group(3, 4) == ('C', '1')

这与 Ignacio 的方法类似，只是在模式上更加严格。一旦您明白了这一点，创建适当的排序键应该很简单。

Answer 3

假设键包含在一个列表中，

list_to_sort=[]

for key in keyList:
    sortKeys=key.split('_')
    keyTuple=(sortKeys[1],sortKeys[-1],sortKeys[3],sortKeys[5],key)
    list_to_sort.append(keyTuple)

然后说 keyList ，列表中的项目是元组，看起来

 (123,17,D,C,Q_123_SUB_D_COLUMN_C_NUMB_17)


from operator import itemgetter

list_to_sort.sort(key=itemgetter(0,1,2,3)

我不确定 itemgetter 到底做了什么，但这有效并且看起来更简单，但不如其他两个解决方案那么优雅。

请注意，我在元组中排列键的顺序与键实时显示的顺序不同。那是没有必要的，我本来可以这样做

for key in keyList:
    sortKeys=key.split('_')
    keyTuple=(sortKeys[1],sortKeys[3],sortKeys[5],sortKeys[7],key)
    list_to_sort.append(keyTuple)

，然后再做这样的排序，

list_to_sort.sort(key=itemgetter(0,3,1,2)

对我来说跟踪第一个更容易