Python 将数据分组为满足特定条件的指定间隔

我想把这个列表中的那些项目分类到新的列表中

truc = [['12', 'brett', 5548],
       ['22.3', 'troy', 9514],
       ['8.1', 'hings', 12635],
       ['34.2', 'dab', 17666],
       ['4q3', 'sigma', 18065],
       ['4q3', 'delta', 18068]]

。。。使用最后一个字段将它们分组到大小为3500的箱子中 因此，理想的结果是：

firstSort = [['34.2', 'dab', 17666],
            ['4q3', 'sigma', 18065],
            ['4q3', 'delta', 18068]]

secondSort = [['22.3', 'troy', 9514],
             ['8.1', 'hings', 12635]]

lastSort = ['12', 'brett', 5548]

---

我试图使用

itertools.groupby（）

函数，但我无法找到指定存储箱大小的方法。

如果没有itertools，这是微不足道的

truc = [['12', 'brett', 5548],
       ['22.3', 'troy', 9514],
       ['8.1', 'hings', 12635],
       ['34.2', 'dab', 17666],
       ['4q3', 'sigma', 18065],
       ['4q3', 'delta', 18068]]

truc.sort(key=lambda a:a[-1])
groups = [[]]
last_row = None
for row in truc:
    if last_row is not None and row[-1] - last_row[-1] > 3500:
        groups.append([])
    last_row = row
    groups[-1].append(row)

import pprint
pprint.pprint(groups)

输出：

[[['12', 'brett', 5548]],
 [['22.3', 'troy', 9514], ['8.1', 'hings', 12635]],
 [['34.2', 'dab', 17666], ['4q3', 'sigma', 18065], ['4q3', 'delta', 18068]]]

---

如果没有itertools，这是微不足道的

truc = [['12', 'brett', 5548],
       ['22.3', 'troy', 9514],
       ['8.1', 'hings', 12635],
       ['34.2', 'dab', 17666],
       ['4q3', 'sigma', 18065],
       ['4q3', 'delta', 18068]]

truc.sort(key=lambda a:a[-1])
groups = [[]]
last_row = None
for row in truc:
    if last_row is not None and row[-1] - last_row[-1] > 3500:
        groups.append([])
    last_row = row
    groups[-1].append(row)

import pprint
pprint.pprint(groups)

输出：

[[['12', 'brett', 5548]],
 [['22.3', 'troy', 9514], ['8.1', 'hings', 12635]],
 [['34.2', 'dab', 17666], ['4q3', 'sigma', 18065], ['4q3', 'delta', 18068]]]

---

带有

groupby

的基本binner：

from itertools import groupby
from math import floor

# data must be sorted

data = [ ['12', 'brett', 5548],
       ['22.3', 'troy', 9514],
       ['8.1', 'hings', 12635],
       ['34.2', 'dab', 17666],
       ['4q3', 'sigma', 18065],
       ['4q3', 'delta', 18068] ]

groups = []
for k, g in groupby(data, lambda x: floor(x[-1]/3500)):
    groups.append(list(g))

print groups

返回：

[
    [
        ['12', 'brett', 5548]
    ],
    [
        ['22.3', 'troy', 9514]
    ],
    [
        ['8.1', 'hings', 12635]
    ],
    [
        ['34.2', 'dab', 17666],
        ['4q3', 'sigma', 18065],
        ['4q3', 'delta', 18068]
    ]
]

然后，当一个组的最大值减去之前组的最小值小于3500时，可以合并这些组。然后你会得到

[
    [
        ['12', 'brett', 5548]
    ],
    [
        ['22.3', 'troy', 9514],
        ['8.1', 'hings', 12635]
    ],
    [
        ['34.2', 'dab', 17666],
        ['4q3', 'sigma', 18065],
        ['4q3', 'delta', 18068]
    ]
]

---

即使在

groupby

之后合并，我认为Anurag Uniyal的解决方案在平均情况下仍能实现更好的分组。

与

groupby

的基本binner：

from itertools import groupby
from math import floor

# data must be sorted

data = [ ['12', 'brett', 5548],
       ['22.3', 'troy', 9514],
       ['8.1', 'hings', 12635],
       ['34.2', 'dab', 17666],
       ['4q3', 'sigma', 18065],
       ['4q3', 'delta', 18068] ]

groups = []
for k, g in groupby(data, lambda x: floor(x[-1]/3500)):
    groups.append(list(g))

print groups

返回：

[
    [
        ['12', 'brett', 5548]
    ],
    [
        ['22.3', 'troy', 9514]
    ],
    [
        ['8.1', 'hings', 12635]
    ],
    [
        ['34.2', 'dab', 17666],
        ['4q3', 'sigma', 18065],
        ['4q3', 'delta', 18068]
    ]
]

然后，当一个组的最大值减去之前组的最小值小于3500时，可以合并这些组。然后你会得到

[
    [
        ['12', 'brett', 5548]
    ],
    [
        ['22.3', 'troy', 9514],
        ['8.1', 'hings', 12635]
    ],
    [
        ['34.2', 'dab', 17666],
        ['4q3', 'sigma', 18065],
        ['4q3', 'delta', 18068]
    ]
]

即使在

groupby

之后合并，我认为Anurag Uniyal的解决方案在平均情况下仍能实现更好的分组。

使用

defaultdict（）

：

使用

defaultdict（）

：

---

是的，你说得对。我想说的是，垃圾箱的大小是3500个。我会编辑。谢谢如果最后一个字段值为0、3000和6000，那么配对将是什么<代码>[03000]、[6000]或

[0]、[30006000]

或

[030006000]

？指定一个返回键除以3500的整数结果的函数是否足够？不过，这可能会以一种不太理想的方式对项目进行分组。@jwpat7:您不认为他只是错误地键入了180688而不是18068，如果您查看其他值，这是合乎逻辑的吗？@BrtH是的，就是这样……是的，您是对的。我想说的是，垃圾箱的大小是3500个。我会编辑。谢谢如果最后一个字段值为0、3000和6000，那么配对将是什么<代码>[03000]、[6000]或

[0]、[30006000]

或

[030006000]

？指定一个返回键除以3500的整数结果的函数是否足够？不过，这可能会以一种不太理想的方式对项目进行分组。@jwpat7:你不认为他只是错误地键入了180688而不是18068，如果你查看其他值，这是合乎逻辑的吗？@BrtH是的，就是这样……不完全是我想要做的，但它可能给出一个很好的提示。不完全是我想要做的，但它可能给出一个很好的提示。