重新排序重复的联系人。列表问题

Question

我以以下方式获得了一个包含 120000 行的 csv：

ID Duplicate
1 65
2 67
4 12
4 53
4 101
12 4
12 53
101 ...

这个列表基本上指定了一些用户 ID，以及与该用户重复的用户。现在列表是如何组成的，我无法在 Excel 中真正过滤掉它，因此我试图用这个结果来转换列表：

[1, 65]
[2, 67]
[4, 12, 53, 101]

之后，我将能够写入一个新的 csv，仅删除每个元素的 list[0]，这样我就可以为每个“重复用户块”保留一个用户。然后在 Excel 中删除所有剩余的用户 ID。

但是到了这一点我遇到了一些问题：

import csv

with open("contacts.csv", "rt") as f:
    reader = csv.reader(f, delimiter="\t")

    contacts = []
    for row in reader:
        if row[0] not in contacts:
            contacts.append(row[0])
        if row[1] not in contacts:
            position = contacts.index(row[0])
            contacts[position].append(row[1])

当然，我收到错误“AttributeError: 'str' object has no attribute 'append'”，因为 contacts[position] 是一个字符串。但是如何更改代码，以便获得每个重复联系人块的列表？

谢谢！

Answer 1

标准python中也有几乎一个衬里

import csv
from itertools import groupby

with open("contacts.csv", "rt") as f:
    reader = csv.reader(f, delimiter="\t")
    contacts = [[k] + [r[1] for r in g] for k, g in groupby(reader, key=lambda row: row[0])]

我也喜欢 pandas 的解决方案，但这意味着要学习一个新的 api。

Answer 2

即使您的 csv 文件未排序并且缺少一些条目，这也将起作用：

with open('contacts.csv') as infile:
    data = {}
    for i,dup in csv.reader(infile):
        if i not in data:
            if dup in data:
                data[i] = data[dup]
                continue

            data[i] = set((i, dup))
            data[dup] = data[i]
            continue

        data[i].add(dup)

for _,dups in data.items():
    print(sorted(dups))

更新：如果您想避免打印多组重复：

for k,dups in list(data.items()):
    if k not in data: continue
    print(sorted(dups))
    for d in dups: data.pop(d)