如何合并元组列表中的唯一值？

Question

我有2个列表（来自excel文件），其中一个包含产品名称，另一个包含数字。

Excel文件示例：

这意味着我有2个列表-带有xlrd.col_values（）：

products = ['Product1','Product1','Product1','Product2','Product2','Product2']
values = [1,-1,0,2,4,-1]

我想要的最终结果是这样：

format = [['Product1', [1,-1,0]],['Product2', [2,4,-1]]]

我尝试使用zip（）进行此操作：

zip_list = list(zip(products, values))

但是这返回了：

[('Product1', 1), ('Product1', -1), ('Product1', 0), ('Product2', 2), ('Product2', 4), ('Product2', -1)]

有人会知道如何获得所需的格式吗？ -我正在使用python3。

Answer 1

您可以使用字典（理想情况：collections.defaultdict）收集数据，然后使用dict.items()创建格式：

from collections import defaultdict

products = ['Product1','Product1','Product1','Product2','Product2','Product2']
values = [1,-1,0,2,4,-1]

d = defaultdict(list)
# accumulate your data
for prod,val in zip(products,values):
    d[prod].append(val)

print(d)   

# convert dict.items() to your wanted format    
format = [list(i) for i in d.items()] 
print(format)   

输出：

defaultdict(<class 'list'>, {'Product1': [1, -1, 0], 'Product2': [2, 4, -1]})

[['Product1', [1, -1, 0]], ['Product2', [2, 4, -1]]]

使用defaultdict(list)比使用dict.setdefault(key,[])或使用try: except:或测试key in dict更为可取，因为它的整体速度（内置优化）比其他任何方法都要快。

Doku：

• defaultdict
• zip()

---

您还可以利用itertools.groupby()对已排序的数据（您的已进行了排序）进行操作，以获得相同的结果：

from itertools import groupby

grped = groupby( zip(products,values), lambda x:x[0]) # group by 1st value

l = []
for g in grped:
    l.append([g[0],list(val for _,val in g[1])])      # extract 2nd value from grouping

print(l) # [['Product1', [1, -1, 0]], ['Product2', [2, 4, -1]]]

在此列表上使用groupby会创建相同的分区，因为该分区已排序-如果未排序，则会得到不同的结果。

Answer 2

由于字典理解不适合聚合，因此请使用线性时间循环：

prods = {}
for item in zip(products, values):
    prod, val = item
    try:
        prods[prod].append(val)
    except KeyError:
        prods[prod] = [val]

# Sample
>>> prods = {}
>>> for item in zip(products, values):
    prod, val = item
    try:
        prods[prod].append(val)
    except KeyError:
        prods[prod] = [val]     
>>> prods
{'Product1': [1, -1, 0], 'Product2': [2, 4, -1]}

我了解您希望使用[['ProductN', [ ]]格式，但是我认为字典是更好的选择。