合并具有相同第一个索引但其他第二个索引的列表

Question

我正在研究 python 中的搜索算法，但有些东西我没有开始工作..

我有一个看起来像这样的列表 [["A","1.txt"],["A","2.txt"],["A","3.txt"],[" B","1.txt"],["B","3.txt"]]

现在我想合并具有相同第一个索引的子列表。所以结果是：

[["A",["1.txt","2.txt",3.txt"]],["B",["1.txt"],["3.txt"]] ]

任何知道如何做到这一点的人...... 有点排序（基于合并排序），但这不会合并元组

def merge_pairs(data):
if len(data) <= 1 :
    return data[:]
else:
        mid = len(data) // 2
        fst = merge_pairs(data[:mid])
        snd = merge_pairs(data[mid:])   
        res = []
        fi = 0
        si = 0
        while fi < len(fst) and si < len(snd):
            if fst[fi][0] < snd[si][0] or fst[fi][0] == snd[si][0] and fst[fi][1] < snd[si][1]:
                res.append(fst[fi])
                fi = fi + 1
            else:
                res.append(snd[si])
                si = si + 1
        if fi < len(fst) :
            res.extend(fst[fi:])
        elif si < len(snd) :
            res.extend(snd[si:])
return res

所以我不想使用python的dict()函数

提前致谢

Answer 1

最简单的方法（可能比困难的方法慢也可能不慢）是使用默认字典：

>>> from collections import defaultdict
>>> result = defaultdict(list)
>>> mylist = [["A","1.txt"],["A","2.txt"],["A","3.txt"],["B","1.txt"],["B","3.txt"]]
>>> for key, value in mylist:
...     result[key].append(value)
... 
>>> print(sorted(result.items()))
[('A', ['1.txt', '2.txt', '3.txt']), ('B', ['1.txt', '3.txt'])]

困难的方式（如果您的数据确实已经排序）：

>>> src = [["A","1.txt"],["A","2.txt"],["A","3.txt"],["B","1.txt"],["B","3.txt"]]
>>> prev = None
>>> dst = []
>>> for key, value in src:
...     if key != prev:
...         prev = key
...         dst.append((key, []))
...     dst[-1][-1].append(value)
... 
>>> print(dst)
[('A', ['1.txt', '2.txt', '3.txt']), ('B', ['1.txt', '3.txt'])]

但请注意，Python 排序真的非常快，而且 Python 循环像这样......没那么多。

编辑根据您在下面的评论，您还需要计数。还有一种字典方式：

>>> from collections import defaultdict
>>> result = defaultdict(lambda: defaultdict(int))
>>> mylist = [["A","1.txt"],["A","2.txt"],["A", "2.txt"],["A","3.txt"],["B","1.txt"],["B","3.txt"]]
>>> for key, value in mylist:
...     result[key][value] += 1
... 
>>> print(sorted((x, sorted(y.items())) for (x, y) in result.items()))
[('A', [('1.txt', 1), ('2.txt', 2), ('3.txt', 1)]), ('B', [('1.txt', 1), ('3.txt', 1)])]

和循环方式：

>>> src = [["A","1.txt"],["A","2.txt"],["A", "2.txt"],["A","3.txt"],["B","1.txt"],["B","3.txt"]]
>>> prevkey, prevvalue = None, None
>>> dst = []
>>> for key, value in src:
...     if key != prevkey:
...         prevkey = key
...         prevvalue = None
...         dst.append((key, []))
...     if value != prevvalue:
...         prevvalue = value
...         dst[-1][-1].append([value, 0])
...     dst[-1][-1][-1][-1] += 1
... 
>>> dst
[('A', [['1.txt', 1], ['2.txt', 2], ['3.txt', 1]]), ('B', [['1.txt', 1], ['3.txt', 1]])]

您确实希望运行 timeit 来确定，但在这种情况下，循环方式几乎可以保证更慢（当然，字典方式不需要您进行预排序。）