Question

我有两个传递给函数的字符串列表。它们或多或少是相同的，除了一个已通过正则表达式过滤器去除某些样板子串（例如从＆＃39; LLC＆＃39; Blues Brothers LLC＆＃39;）。

此函数用于对修改后的列表进行内部重复数据删除，并删除未修改列表中的关联项。您可以假设这些列表在运行正则表达式过滤器之前按字母顺序排序，并保持相同的顺序（即原始[x]和modified [x]引用相同的实体，即使原始[x]！=修改[ X]）。必须在输出中的两个列表之间保持相对顺序。

这是我到目前为止所拥有的。它的工作时间为99％，除了非常罕见的输入和样板字符串组合（千分之一），其中一些输出字符串将被单个列表位置不匹配。输入列表是原始的＆＃39;和＆＃39;修改＆＃39;。

# record positions of duplicates so we're not trying to modify the same lists we're iterating
dellist_modified = []
dellist_original = []

# probably not necessary, extra precaution against modifying lists being iterated.
# fwiw the problem still exists if I remove these and change their references in the last two lines directly to the input lists
modified_copy = modified
original_copy = original

for i in range(0, len(modified)-1):
    if modified[i] == modified[i+1]:
dellist_modified.append(modified[i+1])
dellist_original.append(original[i+1])

for j in dellist_modified:
    if j in modified:
        del modified_copy[agg_match.index(j)]
        del original_copy[agg_match.index(j)]

# return modified_copy and original_copy

它很丑陋，但它只是我得到的。我的测试表明问题是由最后一块代码创建的。

非常感谢修改或全新方法。我的下一步是尝试使用词典。

Answer 1

这是一种干净的方式：

original = list(range(10))
modified = list(original)
modified[5] = "a"
modified[6] = "a"

def without_repeated(original, modified):
    seen = set()
    for (o, m) in zip(original, modified):
        if m not in seen:
            seen.add(m)
            yield o, m

original, modified = zip(*without_repeated(original, modified))

print(original)
print(modified)

给我们：

(0, 1, 2, 3, 4, 5, 7, 8, 9)
(0, 1, 2, 3, 4, 'a', 7, 8, 9)

我们同时遍历两个列表。我们保留了一系列我们看过的项目（集合对所有权进行了非常快速的检查），然后产生了我们尚未看到的任何结果。

然后我们可以再次使用zip给我们两个列表。

注意我们实际上可以这样做：

seen = set()
original, modified = zip(*((o, m) for (o, m) in zip(original, modified) if m not in seen and not seen.add(m)))

除了使用单个生成器表达式之外，它的工作方式相同，并且使用条件语句将项添加到被攻击的集合中（因为add总是返回false，我们可以这样做）。但是，这种方法难以阅读，所以我建议反对它，只是为了它的一个例子。

Answer 2

python中的set是不同元素的集合。这些元素的顺序是否至关重要？这样的事情可能有用：

distinct = list(set(original))

Answer 3

为什么要使用并行列表？为什么不是单个类实例列表？这样可以轻松地对事物进行分组，并减少列表查找。

使用自身的简化副本对复杂列表进行重复数据删除

3 个答案: