我正在尝试对对象进行分类。每个对象由称为id的唯一标识符属性标识。所以我的分类逻辑是这样的。首先，我准备一个对象列表，然后分类函数一次取2个对象，并返回包含frozenset的{{1}}。因此，如果id和object1属于同一类别，则会返回object5。现在我继续将这些frozensets添加到一个集合中，所以最后我有一个像这样的集合
frozenset(id1,id5)现在因为matched_set=(
frozenset(id1,id2),
frozenset(id9,id3),
frozenset(id9,id2),
frozenset(id24,id22),
frozenset(id1,id23),
frozenset(id25,id24),
frozenset(id30,id24)
)
和id1的对象属于同一类别，id2和id9的对象属于同一类别，id3的对象属于同一类别和id9属于同一类别，id2的对象应属于同一类别。所以我应该有这样一套id1,id2,id3,id9
有人可以提供算法吗？
感谢
答案 0 :(得分：5)
听起来你正在寻找disjoint-set datastructure。
根据你的id，你的类别将它们分成不相交的子集。不相交集数据结构通过选择代表ID来表示每个类别，代表ID将由其任何成员的查询返回。 （孤立的id形成一个类别，并返回自己）
对不相交集数据结构的更新组合了任何两个id的类别，以便将来的查询为两个子集的成员返回相同的代表。 （如果两个id已经是同一类别的成员，则更新在功能上是无操作的）
通常的方法是将每个类别表示为反向树：每个id都有一个parent链接，但没有子链接。 “代表元素”是树的根，通过遵循父链接很容易查询。更新需要找到两个id的树的根，并且（如果它们不同）通过使一个根成为另一个的父来合并树。
通过添加一些简单的优化（查询“折叠”查询路径以直接指向根，并且更新总是选择最深树的根作为合并父级），此算法变得非常有效，在“几乎是O（1）“摊还的时间。
如果要在线访问每个类别中完整的id列表，则应该维护一个附加到每个类别根目录的累积列表，并在每个合并中连接它们。一般来说，以这种方式维护任何数量的有关您的类别的统计数据都很方便。