Question

我有一个奇怪的问题，我需要找到重复的项目集合，其中订单无关紧要，但集合中存在重复值确实很重要。例如，假设我有以下列表列表：

lol = [
    ['red'],
    ['blue', 'orange'],
    ['orange', 'red'],
    ['red', 'orange'],
    ['red', 'red'],
    ['blue', 'orange', 'red'],
    ['red', 'orange', 'blue']
]

在我的情况下，唯一的集合将是：

unique_lol = [
    ['red'],
    ['blue', 'orange'],
    ['orange', 'red'],
    ['red', 'red'],
    ['blue', 'orange', 'red']
]

我想要获取的信息是重复列表：

dup_lol = [
    ['orange', 'red'],
    ['blue', 'orange', 'red']
]

我不关心哪个副本被报告为副本，即['orange', 'red'] vs ['red', 'orange']，只是报告了重复的组合。我首先尝试使用一组frozensets：

sofs = {frozenset(x) for x in lol}

但是，这种方法会被['red', 'red']列表绊倒，该列表会转换为['red']：

set([frozenset(['red']),
     frozenset(['orange', 'red']),
     frozenset(['blue', 'orange', 'red']),
     frozenset(['blue', 'orange'])])

另外，这不会给我重复，只有独特的重复，无论如何我都无法对列表列表产生差异。

我确信我可以迭代父级列表暴力风格，但我觉得我错过了一些简单的东西。我几乎需要一个字典，其中键是有序列表，值是组合出现的次数，但列表不能是字典键，而且听起来很奇怪。

Answer 1

我认为你要找的是Counter。对每个条目进行排序，然后将其转换为元组，以便进行比较。计数器将跟踪每个唯一条目的计数：

>>> from collections import Counter
>>> counted = Counter(tuple(sorted(entry)) for entry in lol)
>>> import pprint
>>> pprint.pprint(dict(counted))
{('blue', 'orange'): 1,
 ('blue', 'orange', 'red'): 2,
 ('orange', 'red'): 2,
 ('red',): 1,
 ('red', 'red'): 1}

Answer 2

如果内部列表中的项目顺序通常无关紧要，我会用计数器替换它们。

>>> lol = [
...     ['red'],
...     ['blue', 'orange'],
...     ['orange', 'red'],
...     ['red', 'orange'],
...     ['red', 'red'],
...     ['blue', 'orange', 'red'],
...     ['red', 'orange', 'blue']
... ]
>>> from collections import Counter
>>> from pprint import pprint
>>> counters = [Counter(x) for x in lol]
>>> pprint(counters)
[Counter({'red': 1}),
 Counter({'orange': 1, 'blue': 1}),
 Counter({'red': 1, 'orange': 1}),
 Counter({'red': 1, 'orange': 1}),
 Counter({'red': 2}),
 Counter({'orange': 1, 'red': 1, 'blue': 1}),
 Counter({'blue': 1, 'red': 1, 'orange': 1})]

要计算计数器，我们需要先将它们转换为可以清除的东西：frozensets of（key，value）-tuples。

>>> counts = Counter(frozenset(c.iteritems()) for c in counters)
>>> pprint(counts)
{frozenset({('red', 1)}): 1,
 frozenset({('orange', 1), ('red', 1)}): 2,
 frozenset({('blue', 1), ('orange', 1)}): 1,
 frozenset({('blue', 1), ('orange', 1), ('red', 1)}): 2,
 frozenset({('red', 2)}): 1}

查找元素顺序无关紧要的重复列表，但重复列表元素很重要

2 个答案: