用python聚合字符串值中的子字符串的最佳实践是什么？

【问题标题】：What is the best practice to aggregate substrings in string values with python?用python聚合字符串值中的子字符串的最佳实践是什么？
【发布时间】：2020-09-23 09:07:32
【问题描述】：

我有一个非常具体的问题要解决。我有一个带有字符串（路径）和相关指标的 DataFrame。为了使结果更具可读性，我想在条件下聚合字符串（计数）中的路径。一旦一个子字符串一个接一个地出现不止一次，此时应该在子字符串中添加一个乘数或类似的东西。

示例输入：
'SEO > direct_&c_(notset) > direct_&c_(notset) > direct_&c_(notset) > SEO'

期望的输出：
'SEO > 3 x (direct_&c_(notset)) > SEO'

正如您所见，不应聚合子字符串“SEO”，因为顺序很重要。输入显示一个用户路径，因此如果简单地计算不同的子字符串，重要信息就会丢失。

【问题讨论】：

标签： python string count sequence aggregation

【解决方案1】：

您可以使用itertools.groupby 查找匹配的相邻组件；这会将它们分组，因此您可以使用 more_itertools.ilen ("iterator length") 获取每个组中的计数（如果没有匹配，则为 1）。

from itertools import groupby

from more_itertools import ilen

in_str =  'SEO > direct_&c_(notset) > direct_&c_(notset) > direct_&c_(notset) > SEO'

out_list = []
for component, group in groupby(in_str.split(' > ')):
    count = ilen(group)
    if count == 1:
        out_list.append(component)
    else:
        out_list.append('%s x (%s)' % (count, component))

out_str = ' > '.join(out_list)
print(out_str)

如果您不想使用more_itertools 库，可以改为：

count = sum(1 for _ in group)

这与ilen 的作用相同，但阅读起来更加混乱。

【讨论】：

非常感谢亲爱的先生！答案正是我想要的。