将元组列表拆分为相同元组字段的子列表

Question

我有大量的这种格式的元组列表。每个元组的第二个字段是类别字段。

    [(1, 'A', 'foo'),
    (2, 'A', 'bar'),
    (100, 'A', 'foo-bar'),

    ('xx', 'B', 'foobar'),
    ('yy', 'B', 'foo'),

    (1000, 'C', 'py'),
    (200, 'C', 'foo'),
    ..]

将其分解为相同类别（A，B，C等）的子列表的最有效方法是什么？

Answer 1

使用itertools.groupby：

import itertools
import operator

data=[(1, 'A', 'foo'),
    (2, 'A', 'bar'),
    (100, 'A', 'foo-bar'),

    ('xx', 'B', 'foobar'),
    ('yy', 'B', 'foo'),

    (1000, 'C', 'py'),
    (200, 'C', 'foo'),
    ]

for key,group in itertools.groupby(data,operator.itemgetter(1)):
    print(list(group))

产量

[(1, 'A', 'foo'), (2, 'A', 'bar'), (100, 'A', 'foo-bar')]
[('xx', 'B', 'foobar'), ('yy', 'B', 'foo')]
[(1000, 'C', 'py'), (200, 'C', 'foo')]

或者，要创建一个将每个组作为子列表的列表，可以使用列表理解：

[list(group) for key,group in itertools.groupby(data,operator.itemgetter(1))]

to的第二个参数itertools.groupby是一个itertools.groupby适用于data（第一个参数）中每个项目的函数。预期会传回key。itertools.groupby然后将相同的所有连续项目组合在一起key。

operator.itemgetter（1）提取序列中的第二项。

例如，如果

row=(1, 'A', 'foo')

然后

operator.itemgetter(1)(row)

等于'A'。

正如@eryksun在评论中指出的那样，如果元组的类别以某种随机顺序出现，那么您必须data在应用之前首先进行排序itertools.groupby。这是因为itertools.groupy仅将具有相同密钥的
连续 项目收集到组中。

要按类别对元组进行排序，请使用：

data2=sorted(data,key=operator.itemgetter(1))