Python 返回每个组具有最高值的列表

我目前有一个我想整理的位置列表

列表如下所示：

list = [['Location 1', 5],['Location 2', 5],['Location 3', 5],['Location 1', 4],['Location 2', 6],['Location 3', 5],['Location 1', 5],['Location 2', 5]]

目标是为每个位置选择索引1中每个列表的最高值。最终结果应如下所示：

correctList = [['Location 1', 5],['Location 2', 6],['Location 3', 5]]

具有相同整数值的位置没有首选项

---

我现在的解决方案是根据名称将每个位置添加到自己的列表中。然后在每个位置列表上使用

max（）

操作从每个列表中删除

您可以使用字典计算O（n）中每个位置的最大值：

输出

[['Location 1', 5], ['Location 2', 6], ['Location 3', 5]]

使用第一个元素对列表进行排序后，您可以使用选择带有第二个元素的列表：

s = sorted(l, key=lambda x: x[0])
[max(k) for i,k in groupby(s, key=lambda x: x[0])]
[['Location 1', 5], ['Location 2', 6], ['Location 3', 5]]

其中：

sorted(l, key=lambda x: x[0])

[['Location 1', 5],
 ['Location 1', 4],
 ['Location 1', 5],
 ['Location 2', 5],
 ['Location 2', 6],
 ['Location 2', 5],
 ['Location 3', 5],
 ['Location 3', 5]]

请注意，

max

将在馈送一组列表时提供所需的输出，如下所示：

max(['Location 1', 5], ['Location 1', 4], ['Location 1', 5])
#['Location 1', 5]

可用于O（n）解决方案：

from collections import defaultdict

L = [['Location 1', 5],['Location 2', 5],['Location 3', 5],['Location 1', 4],
     ['Location 2', 6],['Location 3', 5],['Location 1', 5],['Location 2', 5]]

dd = defaultdict(int)

for location, value in L:
    dd[location] = max(dd[location], value)

print(dd)
# defaultdict(int, {'Location 1': 5, 'Location 2': 6, 'Location 3': 5})

这提供了一个字典映射。如果您喜欢列表列表：

res = list(map(list, dd.items()))

print(res)
# [['Location 1', 5], ['Location 2', 6], ['Location 3', 5]]

您可以使用此功能，按一个键分组并为每个组计算一些内容非常容易：

import pandas as pd

df = pd.DataFrame([['Location 1', 5],['Location 2', 5],['Location 3', 5],['Location 1', 4],['Location 2', 6],['Location 3', 5],['Location 1', 5],['Location 2', 5]],
                  columns=["location", "value"])
df.groupby("location").max()
#             value
# location         
# Location 1      5
# Location 2      6
# Location 3      5

如果您以后绝对需要列表，也可以：

df.groupby("location").max().reset_index().values.tolist()
# [['Location 1', 5], ['Location 2', 6], ['Location 3', 5]]

---

---

请注意，如果这是您希望对这些数据执行的唯一操作，那么这可能是一种过分的做法。但是，如果您需要对它进行更多的分析，那么习惯

pandas

可以加快很多事情的速度，因为它的大多数方法都是矢量化的，并且是用C编写的。

您的解决方案不起作用吗？请分享您的尝试，以便我们可以给您提供明智的建议。这就是说，这似乎是字典的标准用例。你试过在这里使用它们吗？对于这个问题来说，这似乎是矫枉过正。既然字典就足够了，为什么还要使用外部库呢？@JordanSinger:因为他们以后可能会想用它做更多涉及的事情。但这不是问题的目的，只会增加代码的开销。@JordanSinger:是的。然而，它确实解决了这个问题。对于大型列表，只要您使用它做其他事情，它甚至会更快（因为将列表消费到数据帧中可能是瓶颈，

pandas

主要是用C实现的）@JordanSinger：无论如何，在回答中添加了一个免责声明，这可能是过火了。

df.groupby("location").max().reset_index().values.tolist()
# [['Location 1', 5], ['Location 2', 6], ['Location 3', 5]]