Python和基于最小int值的数据排序

我有大量重复的数据（元组列表）。我试图只识别得分较低的员工

例如，“雇主1”有“约翰·史密斯”和“艾伦·史密斯”。这些是管理者，int值表示他们的权重/分数。我只想为每个雇主选择值较低的行。如您所见，“雇主3”只有一个条目的权重为1。因此，无需进行选择，因为它是该雇主的下限值

    dataset = [
    ('Employer 1', 'Video Editor', '2018-05-08 10:22:31', 'Dataset1', 'John Smith', '2'),
    ('Employer 1', 'Video Editor', '2018-05-08 10:22:31', 'Dataset2', 'Allan Smith', '1'),
    ('Employer 1', 'Video Editor', '2018-05-08 10:22:31', 'Dataset3', 'John Smith', '2'),
    ('Employer 1', 'Video Editor', '2018-05-08 10:22:31', 'Dataset2', 'Allan Smith', '1'),
    ('Employer 1', 'Video Editor', '2018-05-08 10:22:31', 'Dataset1', 'John Smith', '2'),
    ('Employer 1', 'Video Editor', '2018-05-08 10:22:31',  'Dataset3', 'Allan Smith', '1'),
    ('Employer 2', 'Cook', '2018-05-08 10:22:31',  'Dataset1', 'james bond', '3'),
    ('Employer 2', 'Cook', '2018-05-08 10:22:31',  'Dataset1', 'james bond', '3'),
    ('Employer 2', 'Cook', '2018-05-08 10:22:31',  'Dataset1', 'james brown', '1'),
    ('Employer 2', 'Cook', '2018-05-08 10:22:31',  'Dataset1', 'james brown', '1'),
    ('Employer 3', 'Cook', '2018-05-08 10:22:31',  'Dataset1', 'james brown', '1'),
    ('Employer 3', 'Cook', '2018-05-08 10:22:31',  'Dataset1', 'james brown', '1')]

---

您可以将

collections.defaultdict

与

min

一起使用：

import collections
d = collections.defaultdict(list)
for a, *b in dataset:
  d[a].append(b)

results = {a:min(b, key=lambda x:int(x[-1])) for a, b in d.items()}

输出：

{'Employer 1': ['Video Editor', '2018-05-08 10:22:31', 'Dataset2', 'Allan Smith', '1'], 'Employer 2': ['Cook', '2018-05-08 10:22:31', 'Dataset1', 'james brown', '1'], 'Employer 3': ['Cook', '2018-05-08 10:22:31', 'Dataset1', 'james brown', '1']}

请注意，上述语法（解包）仅适用于Python3。然而，下面是一个非常类似于Python2的解决方案：

import collections
d = collections.defaultdict(list)
for i in dataset:
  d[i[0]].append(i[1:])

results = {a:min(b, key=lambda x:int(x[-1])) for a, b in d.items()}

---

如果我理解正确，您正在寻找：

各组的min

具有该最小值的组中每个员工的列表

此groupby循环执行以下操作：

from itertools import groupby

for k,g in groupby(sorted(dataset), key=lambda t: t[0]):
    g=list(g)
    low=min(g, key=lambda t: int(t[-1]))[-1]
    print k, list({t for t in g if t[-1]==low}) 

印刷品：

Employer 1 [('Employer 1', 'Video Editor', '2018-05-08 10:22:31', 'Dataset2', 'Allan Smith', '1'), ('Employer 1', 'Video Editor', '2018-05-08 10:22:31', 'Dataset3', 'Allan Smith', '1')]
Employer 2 [('Employer 2', 'Cook', '2018-05-08 10:22:31', 'Dataset1', 'james brown', '1')]
Employer 3 [('Employer 3', 'Cook', '2018-05-08 10:22:31', 'Dataset1', 'james brown', '1')]

---

只有在组中确实有dup元组时才需要集合理解…

到目前为止您做了什么？查看

groupby

，然后查看

sorted

，然后查看第一个元素。当你说“较低的值”时，你是指每个员工的最低值吗？你有一个星号分配，仅限Python 3。这和@dawg的答案解决了我面临的问题，请你把答案分解一下，解释一下发生了什么。是的，这是正确的，我希望雇主的每一次迭代都有最低的权重分数。这和上面的答案都是正确的。你能把for循环分解一下，解释一下它在做什么吗。