如何在一个列表中分组以匹配python 3中其他字符串列表中的元素的字符串

我得到了744个图像文件，名称如下：“任务\代码\合作\日期1 \日期2 \ 01 \ T1/2 \ Bnumber.TIF”。如以下列表所示，例如：

files = [
'LM02_L1TP_028046_19760327_20180424_01_T2_B6.TIF', #--¬
'LM02_L1TP_028047_19760327_20180424_01_T2_B6.TIF', #---note match except in the 'coord' part
'LT05_L1TP_026046_19951010_20170106_01_T1_B5.TIF',
'LT05_L1TP_026047_19951010_20170107_01_T1_B5.TIF',
'LC08_L1TP_026047_20150713_20170226_01_T1_B1.TIF']
#---------^-----^
#         9    15

目标是将“任务代码”和“日期1\u日期2\u 01\u T1/2\u Bnumber.TIF”匹配的文件分组到子列表中，然后输出如下数组：

ord_files=[
    ['LM02_L1TP_028046_19760327_20180424_01_T2_B6.TIF','LM02_L1TP_028047_19760327_20180424_01_T2_B6.TIF'],
    ['LT05_L1TP_026046_19951010_20170106_01_T1_B5.TIF','LT05_L1TP_026047_19951010_20170107_01_T1_B5.TIF'],
    ['LC08_L1TP_026047_20150713_20170226_01_T1_B1.TIF','']]

有些文件有一对、三元组或单独存在。 我的想法是从一个新的列表（mo_文件）中的coord部分删除字符串，这样可以很容易地进行筛选，然后使用条件创建otput列表（ord_文件）

到目前为止，在这种情绪下，我尝试过以下方法：

for k in range(len(files)):
    mo_files[k][:] = files[k][9] + files[k][15]

只有我收到错误，如

索引器错误：列表索引超出范围

有一种更简单或更好的方法吗

谢谢。

您可以使用：

d = {} # you can also use collections.defaultdict

for f in files:
    d.setdefault(tuple(e for i, e in enumerate(f.split('_')) if i != 2), []).append(f)
list(d.values())

from collections import defaultdict

d = defaultdict(list) 
for f in files:
    d[tuple(e for i, e in enumerate(f.split('_')) if i != 2)].append(f)

list(d.values())

输出：

[['LM02_L1TP_028046_19760327_20180424_01_T2_B6.TIF',
  'LM02_L1TP_028047_19760327_20180424_01_T2_B6.TIF'],
 ['LT05_L1TP_026046_19951010_20170106_01_T1_B5.TIF'],
 ['LT05_L1TP_026047_19951010_20170107_01_T1_B5.TIF'],
 ['LC08_L1TP_026047_20150713_20170226_01_T1_B1.TIF']]

---

或者您可以使用：

from collections import defaultdict

d = defaultdict(list) 
for f in files:
    d[tuple(e for i, e in enumerate(f.split('_')) if i != 2)].append(f)

list(d.values())

此版本的机器人速度更快

您可以使用：

d = {} # you can also use collections.defaultdict

for f in files:
    d.setdefault(tuple(e for i, e in enumerate(f.split('_')) if i != 2), []).append(f)
list(d.values())

from collections import defaultdict

d = defaultdict(list) 
for f in files:
    d[tuple(e for i, e in enumerate(f.split('_')) if i != 2)].append(f)

list(d.values())

输出：

[['LM02_L1TP_028046_19760327_20180424_01_T2_B6.TIF',
  'LM02_L1TP_028047_19760327_20180424_01_T2_B6.TIF'],
 ['LT05_L1TP_026046_19951010_20170106_01_T1_B5.TIF'],
 ['LT05_L1TP_026047_19951010_20170107_01_T1_B5.TIF'],
 ['LC08_L1TP_026047_20150713_20170226_01_T1_B1.TIF']]

---

或者您可以使用：

from collections import defaultdict

d = defaultdict(list) 
for f in files:
    d[tuple(e for i, e in enumerate(f.split('_')) if i != 2)].append(f)

list(d.values())

---

如果您喜欢熊猫，则此版本的机器人速度更快

：

import pandas as pd
df = pd.DataFrame(files, columns=["filename"])                                                                                                                                 

# indeed define a "key" that is the whole string without 'coord' part
df["key"] = df.filename.apply(lambda s: s[:9]+s[16:])                                                 

现在，您所要做的就是

groupby

并使用

list

进行聚合：

>>> df.groupby("key").filename.apply(list).values                                                                                                                                  
array([list(['LC08_L1TP_026047_20150713_20170226_01_T1_B1.TIF']),
       list(['LM02_L1TP_028046_19760327_20180424_01_T2_B6.TIF', 'LM02_L1TP_028047_19760327_20180424_01_T2_B6.TIF']),
       list(['LT05_L1TP_026046_19951010_20170106_01_T1_B5.TIF']),
       list(['LT05_L1TP_026047_19951010_20170107_01_T1_B5.TIF'])],
      dtype=object)

顺便说一句，如果您不确定700多个文件中的索引是否会更改，那么更稳定的解决方案是使用

\uu

-拆分：

df["key"] = df.filename.apply(
    lambda filename: "_".join([part for idx, part in enumerate(filename.split("_")) if idx != 2])
)  

---

如果你喜欢熊猫：

import pandas as pd
df = pd.DataFrame(files, columns=["filename"])                                                                                                                                 

# indeed define a "key" that is the whole string without 'coord' part
df["key"] = df.filename.apply(lambda s: s[:9]+s[16:])                                                 

现在，您所要做的就是

groupby

并使用

list

进行聚合：

>>> df.groupby("key").filename.apply(list).values                                                                                                                                  
array([list(['LC08_L1TP_026047_20150713_20170226_01_T1_B1.TIF']),
       list(['LM02_L1TP_028046_19760327_20180424_01_T2_B6.TIF', 'LM02_L1TP_028047_19760327_20180424_01_T2_B6.TIF']),
       list(['LT05_L1TP_026046_19951010_20170106_01_T1_B5.TIF']),
       list(['LT05_L1TP_026047_19951010_20170107_01_T1_B5.TIF'])],
      dtype=object)

顺便说一句，如果您不确定700多个文件中的索引是否会更改，那么更稳定的解决方案是使用

\uu

-拆分：

df["key"] = df.filename.apply(
    lambda filename: "_".join([part for idx, part in enumerate(filename.split("_")) if idx != 2])
)  

---

我猜

mou文件[k]

是您的索引错误。您可能需要使用

mo\u files.append（）

。不相关的，我建议写慢一点，而不是复杂的一行。例如，实现函数

get_mission

，该函数接收图像文件的名称并返回任务的名称。您的预期输出是错误的，因为在第二个列表中，date2是

20170106

和

20170107

@kederrac True！，第一次没有注意到，但修复了添加“和我！”4` . 谢谢。我猜

mou文件[k]

是您的索引错误。您可能需要使用

mo\u files.append（）

。不相关的，我建议写慢一点，而不是复杂的一行。例如，实现函数

get_mission

，该函数接收图像文件的名称并返回任务的名称。您的预期输出是错误的，因为在第二个列表中，date2是

20170106

和

20170107

@kederrac True！，第一次没有注意到，但修复了添加“和我！”4` . 谢谢。优雅的回答。我想作者应该按照

mission\u code

和

date1\u date2\u 01\u T1/2\u Bnumber.TIF

进行分组。因此，

f.split（“”，1）[0]

似乎不是正确的键，但是

“”.join（[part for idx，part in enumerate（filename.split（“”））如果idx！=2]）

会这样做。你觉得怎么样？@Arnaud thx我已经更新了我的答案，我使用了

元组（e代表I，e在enumerate（f.split（“'））中，如果I！=2）

根据我的理解，除了

split

优雅的答案给出的第二个元素外，其余都是关键。我想作者应该按照

mission\u code

和

date1\u date2\u 01\u T1/2\u Bnumber.TIF

进行分组。因此，

f.split（“”，1）[0]

似乎不是正确的键，但是

“”.join（[part for idx，part in enumerate（filename.split（“”））如果idx！=2]）

会这样做。你觉得怎么样？@Arnaud thx我已经更新了我的答案，并且我使用了

元组（e代表I，e在枚举（f.split（“”））中，如果I！=2）

根据我的理解，除了

split