Python高效的三向分层排序算法

我正在尝试实施一个（三方）打破平局的程序，你可能会在（美国）体育中看到。我想先按胜负排序，如果平局，则使用平局决胜法

我需要这是尽可能快的运行时，我真的不关心内存需求。如果有更好的方法来表示我的数据，那么这也是一个有用的答案

我想排序的数据最多有15个值，所以运行时在这方面还不错，我只想做10万次

伪代码如下所示：

Iterator = 0    
maxVal = max value of wins
maxes = teams with wins == maxVal
If len(maxes) == 1
    rank[values] = iterator
    iterator += 1
    sort(restOfData)
Else 
    # H2Hwins computes the amount of wins for teams currently tied incase of 2 or more teams tied  
    counts = sorted([(h2hwins(t, maxes), pointDifferential) for team in maxes])
    for c in counts
        rank[value] = iterator
        iterator += 1
    sort(restOfData)
return rank

因此，如果我有以下输入，这些将是输出：

# Columns are Team, Wins, H2H Tiebreaks, Point Differential
# Lakers win tie based on H2H with Clippers
testData = [['Lakers', 48, ['Clippers'], 6], ['Clippers', 48, ['Warriors'], 8], ['Warriors', 47, ['Lakers'], 10]]
magicSort(testData)
>>> ['Lakers', 'Clippers', 'Warriors']

# Warriors have 2 H2H tiebreakers so they are 1st.  Lakers have 1 H2H tiebreaker so they are 2nd.
testData2 = [['Lakers', 48, ['Clippers'], 6], ['Clippers', 48, [''], 8], ['Warriors', 48, ['Lakers', 'Clippers'], 10]]
magicSort(testData2)
>>> ['Warriors', 'Lakers', 'Clippers']

# All 3 are tied so we default to point differential
testData3 = [['Lakers', 47, ['Clippers'], 6], ['Clippers', 47, ['Warriors'], 8], ['Warriors', 47, ['Lakers'], 10]]
magicSort(testData3)
>>> ['Warriors', 'Clippers', 'Lakers']

---

如果需要，我可以提出更多的测试案例，但我相信这涵盖了边缘案例更新的答案：你想要一个排序算法，它可以按照你定义的字段顺序打破三方关系：a）赢b）H2H分接头的数量c）点差分

我建议您在任何时候都可以使用pandas来处理复杂的数据（比如像这样的多键排序）。 首先，我们必须将奇怪的数据格式（递归嵌套列表）转换为可用的形式，以构建数据帧：

• 四元组列表：

  团队、胜利、H2H\u抢七、积分差异

  • 请注意，

    H2H_Tiebreaks

    应该是一个元组，即使它的长度为1或0。严格地说，我们只关心它的长度（

    Num\u H2H\u Ties

    ），而不关心它的内容
• 然后我们对df.sort_值进行排序（按=['Wins'，'Num_H2H_Ties'，'Point_Differential']，升序=False）。底部代码：
  • 如果您只想要获胜团队的行，请执行

    .iloc[0]

  • 如果您只想知道获胜团队的名称，请执行

    .iloc[0,0]

解决方案：

import pandas as pd

cols = ['Team', 'Wins', 'H2H_Tiebreaks', 'Point_Differential']

# 1) Lakers win tie based on H2H with Clippers
dat = [('Lakers', 48, ('Clippers',), 6), ('Clippers', 48, ('Warriors',), 8), ('Warriors', 47, ('Lakers',), 10)]
df1 = pd.DataFrame(data=dat, columns=cols)

# 2) Warriors have 2 H2H tiebreakers so they are 1st.  Lakers have 1 H2H tiebreaker so they are 2nd.
dat2 = [('Lakers', 48, ('Clippers',), 6), ('Clippers', 48, (), 8), ('Warriors', 48, ('Lakers', 'Clippers'), 10)]
df2  = pd.DataFrame(data=dat2, columns=cols)

# 3) All 3 are tied so we default to point-differential
dat3 = [('Lakers', 47, ('Clippers',), 6), ('Clippers', 47, ('Warriors',), 8), ('Warriors', 47, ('Lakers',), 10)]
df3  = pd.DataFrame(data=dat3, columns=cols)

############    
df1['Num_H2H_Ties'] = df1['H2H_Tiebreaks'].apply(len)
df1.sort_values(by=['Wins','Num_H2H_Ties', 'Point_Differential'], ascending=False)

# Result:
       Team  Wins H2H_Tiebreaks  Point_Differential  Num_H2H_Ties
1  Clippers    48   (Warriors,)                   8             1
0    Lakers    48   (Clippers,)                   6             1
2  Warriors    47     (Lakers,)                  10             1

############
df2['Num_H2H_Ties'] = df2['H2H_Tiebreaks'].apply(len)
df2.sort_values(by=['Wins','Num_H2H_Ties', 'Point_Differential'], ascending=False)

# Result:
   Team  Wins       H2H_Tiebreaks  Point_Differential  Num_H2H_Ties
2  Warriors    48  (Lakers, Clippers)                  10             2
0    Lakers    48         (Clippers,)                   6             1
1  Clippers    48                  ()                   8             0
############
df3['Num_H2H_Ties'] = df3['H2H_Tiebreaks'].apply(len)
df3.sort_values(by=['Wins','Num_H2H_Ties', 'Point_Differential'], ascending=False)

# Result:
       Team  Wins H2H_Tiebreaks  Point_Differential  Num_H2H_Ties
2  Warriors    47     (Lakers,)                  10             1
1  Clippers    47   (Warriors,)                   8             1
0    Lakers    47   (Clippers,)                   6             1

作为一项功能：

def sort_nway_tiebreaker(df):

    # Filter only teams with max-Wins
    df = df[df['Wins'] == df['Wins'].max()]

    df['Num_H2H_Ties'] = df['H2H_Tiebreaks'].apply(len)

    df = df.sort_values(by=['Wins','Num_H2H_Ties', 'Point_Differential'], ascending=False)

    return df.iloc[0]

---

顺便说一下，您的输入数据格式非常奇怪，它是一个递归嵌套列表，而不是元组列表。你到底为什么要用那种格式，处理起来会很痛苦？它是从铲运机还是别的什么东西来的？所以，如果三队平局，这种方法就行不通了。@qwertylpc:没想到，OP只问了一个双向平局者；我不知道美国体育能产生三方关系。当然你可以推广这个方法，但是是的，它会很笨拙和不雅观，既然OP没有要求它，我就不打算编写代码了。但这是可以做到的。我是op。也许我有点不清楚，因为这是问题的一部分。最后一个例子是将它们全部打成三条领带抱歉由于解决了n条领带，您的问题比乍一看要复杂得多。我完全修改了我的答案。现在使用pandas

sort\u values（）

方法而不是Python堆。