Question

我希望将列表转换为相等值的较小列表。我的一个例子是：

["a", "a", "a", "b", "b", "c", "c", "c", "c"]

到

[["a", "a", "a"], ["b", "b"], ["c", "c", "c", "c"]]

您认为最有效的方法是什么？

Answer 1

您可以使用itertools.groupby来解决问题：

>>> from itertools import groupby
>>> [list(grp) for k, grp in groupby(["a", "a", "a", "b", "b", "c", "c", "c", "c"])]
[['a', 'a', 'a'], ['b', 'b'], ['c', 'c', 'c', 'c']]

它只对连续的相等元素进行分组，但在您的情况下这似乎已经足够了。

Answer 2

您可以使用public class Class1 { public int Post_ID { get; set; } public string Post1 { get; set; } public int cmtcount { get; set; } }

collections.Counter

即使未对值进行排序并且提供非常紧凑的表示，然后您可以根据需要将其展开到列表中，这也可以工作：

>>> lst = ["a", "a", "a", "b", "b", "c", "c", "c", "c"]
>>> import collections
>>> collections.Counter(lst).most_common()
[('c', 4), ('a', 3), ('b', 2)]

Answer 3

获得所需输出的另一种方法是使用defaultdict模块中的collections（使用此方法的最佳时间是：〜= 0.02s与使用groupby相同）：

from collections import defaultdict
a = ["a", "a", "a", "b", "b", "c", "c", "c", "c"]
b = defaultdict(list)
for k in a:
    b[k].append(k)

>>> b 
defaultdict(list,
            {'a': ['a', 'a', 'a'], 'b': ['b', 'b'], 'c': ['c', 'c', 'c', 'c']})

所以，你现在要做的是：

list(b.values())
>>> [['a', 'a', 'a'], ['b', 'b'], ['c', 'c', 'c', 'c']]

Answer 4

虽然我个人使用itertools.groupby作为最方便的方式，但您已经要求效率，这应该比任何itertools选项快得多：

data = ["a", "a", "a", "b", "b", "c", "c", "c", "c"] 

lookup = {}  # lookup map
result = []
for element in data:
    if element not in lookup:
        target = lookup[element] = [element]
        result.append(target)
    else:
        lookup[element].append(element)

print(result)
# [['a', 'a', 'a'], ['b', 'b'], ['c', 'c', 'c', 'c']]

如果数据总是有序的（即元素不混合），可以在没有查找表的情况下进一步优化，并使用列表推导来获得最佳性能。

更新 - 对效率和运营的一些说明。如果您将测试设置为：

from itertools import groupby

def itools_func(data):
    return [list(grp) for k, grp in groupby(data)]

def manual_func(data):
    lookup = {}
    result = []
    for element in data:
        if element not in lookup:
            target = lookup[element] = [element]
            result.append(target)
        else:
            lookup[element].append(element)
    return result

问题是这两个不会返回相同的值：

test_data = ["a", "a", "b", "c", "c", "b", "a"]

itools_func(test_data)  # [['a', 'a'], ['b'], ['c', 'c'], ['b'], ['a']]
manual_func(test_data)  # [['a', 'a', 'a'], ['b', 'b'], ['c', 'c']]

从OP的问题来看，我理解他想要后者（根据他的评论“我对列表进行排序以使值连续”），因为使用排序列表可以更容易地完成。所以，如果我们为这些函数提供一个非常长的列表：

test_data = ["a", "a", "a", "b", "b", "c", "c", "c", "c"] * 10000  # 10000 x the original

在我的系统上，它的时钟如下：

itools_func - 100 loops: 2.668s, per loop: 26.68ms
manual_func - 100 loops: 1.005s, per loop: 10.05ms

但是，这对itertools.groopby来说是一个不利的设置。如果数据的排序方式如下：

test_data = ["a"] * 3000 + ["b"] * 2000 + ["c"] * 40000

随着C后端的开始，故事有点不同：

itools_func - 1000 loops: 656.3ms, per loop: 656.3µs
manual_func - 1000 loops: 4.816s, per loop: 4.816ms

当对数据进行排序时，可以进一步优化手动功能，但它几乎不会超过itertools引导下的功能。

将列表拆分为相等值的较小列表

4 个答案: