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:Python 返回每个组具有最高值的列表,python,Python,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],['Loc
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]]