Question

我一直在努力管理一些数据。我有数据，我已经变成了列表列表，每个基本子列表具有如下结构

<1x>begins
<2x>value-1
<3x>value-2
<4x>value-3
 some indeterminate number of other values
<1y>next observation begins
<2y>value-1
<3y>value-2
<4y>value-3
 some indeterminate number of other values

这在每个子列表中持续不确定次数

编辑我需要得到所有出现的＆lt; 2，＆lt; 3＆amp; ＆lt; 4分离并组合在一起我创建了一个新的列表列表[[＆lt; 2x＆gt; value-1，＆lt; 3x＆gt; value-2，＆lt; 4x＆gt; value-3]，[＆lt; 2y＆gt; value- 1，＆lt; 3y＆gt; value-2，＆lt; 4y＆gt; value-3]]

编辑后面的所有行＆lt; 4x＆gt;和＆lt; 4y＆gt; （并且对于那个问题＆lt; 4anyalpha＆gt;具有相同类型的编码并且我不知道数字可以有多高 - 只是将这些视为未关闭的sgml标签我使用数字因为我的手指在受伤来自我今天所做的所有编码。

我最终提出的解决方案并不是很漂亮

 listINeed=[]
 for sublist in biglist:
    for line in sublist:
        if '<2' in line:
            var2=line
        if '<3' in line:
            var3=line
        if '<4' in line:
            var4=line
            templist=[]
            templist.append(var2)
            templist.append(var3)
            templist.append(var4)
            listIneed.append(templist)
            templist=[]
            var4=var2=var3=''

我已经研究过如何尝试清理它但没有成功的方法。这很好，我刚看到这是另一个了解python的机会，因为我认为这应该是一行功能可以处理的。

Answer 1

通过注意到您的原始解决方案可行但缺乏优雅，您已经有了一个良好的开端。

您应该在循环中解析字符串，为每一行创建一个新变量。这是一些示例代码：

import re

s = """<1x>begins
<2x>value-1
<3x>value-2
<4x>value-3
 some indeterminate number of other values
<1y>next observation begins
<2y>value-1
<3y>value-2
<4y>value-3"""
firstMatch = re.compile('^\<1x')
numMatch = re.compile('^\<(\d+)')
listIneed = []
templist = None
for line in s.split():
        if firstMatch.match(line):
                if templist is not None: 
                        listIneed.append(templist)
                templist = [line]
        elif numMatch.match(line):
            #print 'The matching number is %s' % numMatch.match(line).groups(1)
            templist.append(line)
if templist is not None: listIneed.append(templist)

print listIneed

Answer 2

如果你想挑选每个子列表的第二，第三和第四个元素，这应该有效：

listINeed = [sublist[1:4] for sublist in biglist]

Answer 3

itertools.groupby()可以帮助你。

itertools.groupby(biglist, operator.itemgetter(2))

Answer 4

如果我理解你的问题：

import re
def getlines(ori):
    matches = re.finditer(r'(<([1-4])[a-zA-Z]>.*)', ori)
    mainlist = []
    sublist = []
    for sr in matches:
        if int(sr.groups()[1]) == 1:
            if sublist != []:
                mainlist.append(sublist)
            sublist = []
        else:
            sublist.append(sr.groups()[0])
    else:
        mainlist.append(sublist)
    return mainlist

如果您想使用正则表达式，那么

...会为您完成工作。

下面的版本会将所有数据分解为子列表（不仅仅是每个分组中的前四个），这可能会更有用，这取决于您需要对数据做什么。使用David的listINeed = [sublist [1：4]作为biglist中的子列表]从上面的特定任务的每个列表中获取前四个结果。

import re
def getlines(ori):
    matches = re.finditer(r'(<(\d*)[a-zA-Z]>.*)', ori)
    mainlist = []
    sublist = []
    for sr in matches:
        if int(sr.groups()[1]) == 1:
            print "1 found!"
            if sublist != []:
                mainlist.append(sublist)
            sublist = []
        else:
            sublist.append(sr.groups()[0])
    else:
        mainlist.append(sublist)
    return mainlist

在Python中读取和分组数据列表

4 个答案: