Python中比较连续元组列表的第一个元素

Question

我有一个元组列表，每个元组包含两个元素。几个子列表的第一个元素是相同的。我想比较这些子列表的第一个元素，并将第二个元素附加在一个列表中。这是我的列表：

myList=[(1,2),(1,3),(1,4),(1,5),(2,6),(2,7),(2,8),(3,9),(3,10)]

我想把它做成一个列表的列表，看起来像这样：

NewList=[(2,3,4,5),(6,7,8),(9,10)]

希望有有效的方法。

- PythonNoob

---

如果子元组的第一个元素不是公共的，怎么办？您想要一个单元素的元组吗？ - Anand S Kumar

这不是列表的列表，而是元组的列表；这对你的问题没有影响，但你仍然应该了解它们之间的区别。 - Marcus Müller

感谢您的纠正。 - PythonNoob

Answer 1

您可以使用OrderedDict按每个元组的第一个子元素对元素进行分组：

myList=[(1,2),(1,3),(1,4),(1,5),(2,6),(2,7),(2,8),(3,9),(3,10)]

from collections import OrderedDict

od  = OrderedDict()

for a,b in myList:
    od.setdefault(a,[]).append(b)

print(list(od.values()))
[[2, 3, 4, 5], [6, 7, 8], [9, 10]]

如果您真的想要元组：

print(list(map(tuple,od.values())))
[(2, 3, 4, 5), (6, 7, 8), (9, 10)]

如果你不关心元素出现的顺序，只想要最有效的分组方式，可以使用collections.defaultdict。

from collections import defaultdict

od  = defaultdict(list)

for a,b in myList:
    od[a].append(b)

print(list(od.values()))

最后，如果您的数据按照您的输入示例排序，即有序的话，您可以简单地使用itertools.groupby按每个元组的第一个子元素进行分组，并从分组的元组中提取第二个元素。

from itertools import groupby
from operator import itemgetter
print([tuple(t[1] for t in v) for k,v in groupby(myList,key=itemgetter(0))])

输出：

[(2, 3, 4, 5), (6, 7, 8), (9, 10)]

再次强调，groupby 只有在数据至少按第一个元素进行了排序后才能正常工作。

对于一个适当大小的列表，我们进行了一些计时：

In [33]: myList = [(randint(1,10000),randint(1,10000)) for _ in range(100000)]

In [34]: myList.sort()

In [35]: timeit ([tuple(t[1] for t in v) for k,v in groupby(myList,key=itemgetter(0))])
10 loops, best of 3: 44.5 ms per loop

In [36]: %%timeit                                                               od = defaultdict(list)
for a,b in myList:
    od[a].append(b)
   ....: 
10 loops, best of 3: 33.8 ms per loop

In [37]: %%timeit
dictionary = OrderedDict()
for x, y in myList:
     if x not in dictionary:
        dictionary[x] = [] # new empty list
    dictionary[x].append(y)
   ....: 
10 loops, best of 3: 63.3 ms per loop

In [38]: %%timeit   
od = OrderedDict()
for a,b in myList:
    od.setdefault(a,[]).append(b)
   ....: 
10 loops, best of 3: 80.3 ms per loop

如果顺序很重要且数据已经排序，使用groupby，如果需要将所有元素映射到defaultdict中的元组，则它将更接近于defaultdict方法。

如果数据未排序或您不关心任何顺序，那么除了使用defaultdict方法外，您找不到更快的分组方式。

- Padraic Cunningham

---

谢谢Padraic提供的代码。这帮助我解决了我的问题。 - PythonNoob

同意，这可能是最有效的方法。 - Marcus Müller

@PadraicCunningham，我撤回自己的看法，认为这可能不是最有效的方法；请查看我的第二个答案。 - Marcus Müller

@MarcusMüller，你的任何方法都没有保持顺序，如果顺序无关紧要，我的defaultdict方法将比你的两个答案更有效。我不确定groupby是否可行，因为我没有计时。 - Padraic Cunningham

@PadraicCunningham 说得好，但使用 OrderedDict() 而不是 {} 就可以解决这个问题，所以我在我的更新中提到了你的答案。当然，前提是“有序”并不意味着“按第一个元组成员的首次出现顺序排序”，而是“按数字排序”。 - Marcus Müller

Answer 2

这似乎是一个需要字典的任务（如果你还不知道字典，可以在python.org上查找）。这是一个非常冗长的例子，所以在日常编码中不会这样写，但是比模糊不清要好：

dictionary = collections.OrderedDict()
for x, y in myList:
    if not dictionary.has_key(x):
        dictionary[x] = [] # new empty list
    # append y to that list
    dictionary[x].append(y)

- Marcus Müller

---

谢谢马库斯的建议。我想了解Python的不同模块，这将使我精通Python。如果你有更好的建议，请告诉我。 - PythonNoob

Answer 3

经过思考，最有效的方法可能是这个一行代码（假设dictionary是一个空的dict，即dictionary = {}或dictionary = OrderedDict()，就像Padraic 的优秀答案中所示）：

for x,y in myList: dictionary.setdefault(x,[]).append(y)

我不是说这是最容易阅读的方法，但我喜欢它 :)

编辑：哈！基准测试证明了我的错误；`setdefault`方法比`if not dictionary.has_key(x): dictionary[x]=[]`方法慢：

>>> timeit.timeit("for x,y in myList:\n    if not dictionary.has_key(x):\n        dictionary[x]=[]\n    dictionary[x].append(y)", "from collections import OrderedDict\nmyList=[(1,2),(1,3),(
1,4),(1,5),(2,6),(2,7),(2,8),(3,9),(3,10)]\ndictionary=OrderedDict()")
2.2573769092559814
>>> timeit.timeit("for x,y in myList: dictionary.setdefault(x,[]).append(y)", "from collections import OrderedDict\nmyList=[(1,2),(1,3),(1,4),(1,5),(2,6),(2,7),(2,8),(3,9),(3,10)]\ndictiona
ry=OrderedDict()")
3.3534231185913086

当然了，Padraic 仍然是正确的: 他的 defaultdict 方法在我的机器上只需 0.82 秒，因此速度要快三倍。

此外，正如 Padraic 指出的那样：dict.has_key(x) 已被弃用，应该使用 x in dict。但是，我无法测量其速度差异。

- Marcus Müller

---

这是一个自给自足的答案。我不同意你对此的批评。另外，基准测试！ - Marcus Müller

has_key在Python3中已被移除，使用if key in dict更为合适。 - Padraic Cunningham

@PadraicCunningham：没错，但 Q 说的是 [tag:python-2.7]。 - Marcus Müller

@PadraicCunningham：恭喜，比我更快三倍的方法！ - Marcus Müller

在Python2中已经被弃用，in比has_key更快。 - Padraic Cunningham

Answer 4

以下应该有效：

import itertools

myList = [(1,2),(1,3),(1,4),(1,5),(2,6),(2,7),(2,8),(3,9),(3,10)]
print [tuple(x[1] for x in g) for k, g in itertools.groupby(myList, key=lambda x: x[0])]

这将显示：

[(2, 3, 4, 5), (6, 7, 8), (9, 10)]

- Martin Evans

---

抱歉，完全是巧合。 - Martin Evans

可能需要提到数据必须按排序顺序排列，至少在第一个元素方面是这样的。 - Padraic Cunningham