有效地分组元组列表

Question

我有一个很大的元组列表，例如[ (1,2), (1,3), (1,4), (2,1), (2,3) ] 等。我想有效地将​​其转换为[ (1, [1,2,3,4]), (2, [1,3] ) ]。我按每个元组的第一个元素对元组进行分组，即(1,2), (1,3), (1,4) 变为(1, [2,3,4])（另请参见下面的 Haskell 版本）。我怀疑这可以一次性完成吗？ 输入列表总是有序的。

在python 中尝试使用defaultdict，我认为这是无需重新发明轮子的自然解决方案。它运行良好，但不保留键的顺序。一种解决方案是使用有序的defaultdict 作为explained here。

无论如何，我想知道这个问题的语言独立且有效的解决方案。我当前的解决方案需要两次通过和一次调用列表中的set( )。

更新

我正在考虑实现以下 Haskell 版本：

a = [ (1,2), (1,3), (1,4), (2,1), (2,3) ] 
b = groupBy (\ x y -> fst x == fst y ) 
b 
[[(1,2),(1,3),(1,4)],[(2,1),(2,3)]]  
map (\x -> (fst .head $ x, map snd x ) ) b 
[(1,[2,3,4]),(2,[1,3])]

答案的表现

我实现了两个答案（coldspeed 和 pm2ring）。在中等大小的列表（最多 10^4 个元素）上，PM2 环解决方案更快；在大小为 10^5 时，两者都需要相同的时间，在较大的列表中 COLDSPEED 开始获胜。以下是数字（使用python3）。

第一列是列表中的条目数，第二列是coldspeed 花费的时间，第三列是pm2 ring 解决方案花费的时间。所有时间都以秒为单位。

10 0.0001 0.0000
100 0.0001 0.0000
1000 0.0005 0.0001
10000 0.0044 0.0014
100000 0.0517 0.0452
1000000 0.5579 1.5249

脚本在这里http://github.com/dilawar/playground/raw/master/Python/so_group_tuple.py

使用 Ashwini 优化

PM 2Ring 在 Ashwini 的建议下，解决方案甚至更快（大约 3 倍 - 5 倍）。

10 4.887580871582031e-05 1.2636184692382812e-05
100 0.00010132789611816406 2.0742416381835938e-05
1000 0.0005109310150146484 0.000110626220703125
10000 0.004467487335205078 0.0009067058563232422
100000 0.05056118965148926 0.017516136169433594
1000000 0.6100358963012695 0.26450490951538086
10000000 6.092756509780884 2.8253660202026367

使用 PYPY

结果有些混杂。最后一列是第 2 列和第 3 列的比率。

pypy so_group_tuple.py 
(10, [1.6927719116210938e-05, 3.409385681152344e-05], 0.4965034965034965)
(100, [4.601478576660156e-05, 8.296966552734375e-05], 0.5545977011494253)
(1000, [0.010258913040161133, 0.0019040107727050781], 5.388054094665665)
(10000, [0.0002448558807373047, 0.00021600723266601562], 1.1335540838852096)
(100000, [0.002658843994140625, 0.0018231868743896484], 1.45834967961292)
(1000000, [0.0833890438079834, 0.02979302406311035], 2.7989452709245284)
(10000000, [1.0556740760803223, 0.6789278984069824], 1.5549133841124023)

我将使用 PM 2Ring 解决方案，因为它在列表大小为 10^5 之前要快得多。

Answer 1

您可以使用collections.OrderedDict（先import collections）：

o = collections.OrderedDict()

for x in t:
    o.setdefault(x[0], []).append(x[1])  

现在，将o.items() 转换为列表：

list(o.items())
# [(1, [2, 3, 4]), (2, [1, 3])]

Answer 2

如果输入列表已经排序，则不需要使用任何其他排序函数或特性来重新排序列表。 下面的代码会自动给出你所展示的输出。

mylistarr = ((1, 2), (1, 3), (1, 4), (2, 1), (2, 3))
output = dict()
for tuple in mylistarr:
    if tuple[0] not in anotherlist:
        output[tuple[0]] = list()
        output[tuple[0]].append(tuple[0])
    output[tuple[0]].append(tuple[1])
print output

输出： {1: [1, 2, 3, 4], 2: [2, 1, 3]}

Answer 3

您可以使用itertools.groupby 执行此操作，并使用zip 重新排列收集到的组中的数据：

from itertools import groupby
from operator import itemgetter

a = [(1, 2), (1, 3), (1, 4), (2, 1), (2, 3)]
b = [(k, list(list(zip(*g))[1])) for k, g in groupby(a, itemgetter(0))]
print(b)

输出

[(1, [2, 3, 4]), (2, [1, 3])]

---

该列表组合有点密集。这是一个使用传统 for 循环的变体，它打印一个中间结果，以便更容易看到发生了什么。

b = []
for k, g in groupby(a, itemgetter(0)):
    t = list(zip(*g))
    print(t)
    b.append(list(t[1]))

print('Output', b)

输出

[(1, 1, 1), (2, 3, 4)]
[(2, 2), (1, 3)]
Output [[2, 3, 4], [1, 3]]

---

正如 Ashwini Chaudhary 在 cmets 中提到的那样，在其中嵌套另一个列表 comp 使代码更加更具可读性，它可能也更有效，因为它避免了几次调用。

b = [(k, [x for _, x in g]) for k, g in groupby(a, itemgetter(0))]