Python 为列表中的每个唯一值指定一个数字

我有一个字符串列表。我想为每个字符串指定一个唯一的数字（确切的数字并不重要），并使用这些数字按顺序创建一个相同长度的列表。下面是我最好的尝试，但我不高兴有两个原因：

它假定相同的值彼此相邻

我必须以

0

开始列表，否则输出将不正确

我的代码：

names = ['ll', 'll', 'll', 'hl', 'hl', 'hl', 'LL', 'LL', 'LL', 'HL', 'HL', 'HL']
numbers = [0]
num = 0
for item in range(len(names)):
    if item == len(names) - 1:
      break
    elif names[item] == names[item+1]:
        numbers.append(num)
    else:
        num = num + 1
        numbers.append(num)
print(numbers)

---

我想使代码更通用，这样它就可以处理未知列表。有什么想法吗？

因为您要将字符串映射到整数，所以建议使用dict。因此您可以执行以下操作：

d = dict()

counter = 0

for name in names:
    if name in d:
        continue
    d[name] = counter
    counter += 1

numbers = [d[name] for name in names]

---

您也可以尝试以下方法：-

names = ['ll', 'll', 'll', 'hl', 'hl', 'hl', 'LL', 'LL', 'LL', 'HL', 'HL', 'HL']

indexList = list(set(names))

print map(lambda name:indexList.index(name),names)

---

无需使用外部库（检查编辑以获得

Pandas

解决方案），您可以按如下方式执行：

d = {ni: indi for indi, ni in enumerate(set(names))}
numbers = [d[ni] for ni in names]

简要说明：

在第一行中，为列表中的每个唯一元素分配一个数字（存储在字典

d

；您可以使用字典理解轻松创建它；

set

返回

名称的唯一元素

）

然后，在第二行中，进行列表理解，并将实际数字存储在列表

numbers

中

有一个例子可以说明它对未排序的列表也很有效：

# 'll' appears all over the place
names = ['ll', 'll', 'hl', 'hl', 'hl', 'LL', 'LL', 'll', 'LL', 'HL', 'HL', 'HL', 'll']

这是编号的输出：

[1, 1, 3, 3, 3, 2, 2, 1, 2, 0, 0, 0, 1]

如您所见，与

ll

关联的编号

1

出现在正确的位置

编辑

如果您有可用的，您也可以使用（这对于大型列表似乎非常有效，对于元组列表也非常有效，如前所述）：

然后会回来

(array([(array([0, 0, 1, 1, 1, 2, 2, 0, 2, 3, 3, 3, 0]),
 array(['ll', 'hl', 'LL', 'HL'], dtype=object))

所以,

numbers = pd.factorize(names)[0]

---

我设法稍微修改了您的脚本，看起来还可以：

names = ['ll', 'hl', 'll', 'hl', 'LL', 'll', 'LL', 'HL', 'hl', 'HL', 'LL', 'HL', 'zzz']
names.sort()
print(names)
numbers = []
num = 0
for item in range(len(names)):
    if item == len(names) - 1:
      break
    elif names[item] == names[item+1]:
        numbers.append(num)
    else:
        numbers.append(num)
        num = num + 1
numbers.append(num)
print(numbers)

你们可以看到它非常相似，唯一的问题是，我为下一个元素添加了数字，而不是为当前元素添加了数字。这就是全部。哦，还有分类。它首先对大写字母进行排序，然后对小写字母进行排序。在本例中，如果希望更改，可以使用

sort（key=lambda:x…

）。（可能是这样：

names.sort（key=lambda x:（x.upper（）如果x.lower（）==x else x.lower（））

）

为了使其更通用，您可以将其包装在函数中，这样这些硬编码的值不会造成任何伤害，因为它们是本地的

如果使用高效的查找容器（我将使用普通字典），则可以保留每个字符串的第一个索引，而不会损失太多性能：

def your_function(list_of_strings):

    encountered_strings = {}
    result = []

    idx = 0
    for astring in list_of_strings:
        if astring in encountered_strings:  # check if you already seen this string
            result.append(encountered_strings[astring])
        else:
            encountered_strings[astring] = idx
            result.append(idx)
            idx += 1
    return result

这将按顺序分配索引（即使这并不重要）：

---

这只需要在字符串列表上进行一次迭代，这样就可以处理生成器和类似的程序。

如果条件是数字是唯一的，而确切的数字并不重要，则可以动态地将列表中的每个项目与唯一的数字相关联，并从count对象分配值：

from itertools import count

names = ['ll', 'll', 'hl', 'hl', 'LL', 'LL', 'LL', 'HL', 'll']

d = {}
c = count()
numbers = [d.setdefault(i, next(c)) for i in names]
print(numbers)
# [0, 0, 2, 2, 4, 4, 4, 7, 0]

---

您可以通过在列表和count对象上使用，并将map函数设置为

{}.setdefault

（请参阅@StefanPochmann的注释）来删除额外的名称：

---

另外，如果已经安装了numpy，您还可以使用：

import numpy as np

_, numbers = np.unique(names, return_inverse=True)
print(numbers)
# [3 3 2 2 1 1 1 0 3]

---

如果有

k

不同的值，则会按照第一次出现的顺序将它们映射到整数

0

到

k-1

：

>>> names = ['b', 'c', 'd', 'c', 'b', 'a', 'b']
>>> tmp = {}
>>> [tmp.setdefault(name, len(tmp)) for name in names]
[0, 1, 2, 1, 0, 3, 0]

下面是一个类似于

collections.defaultdict

和

itertools.count

的解决方案：

import itertools as it
import collections as ct


names = ['ll', 'll', 'hl', 'hl', 'LL', 'LL', 'LL', 'HL', 'll']

dd = ct.defaultdict(it.count().__next__)
[dd[i] for i in names]
# [0, 0, 1, 1, 2, 2, 2, 3, 0]

每次新出现都会调用

itertools.count

中的下一个整数，并将新条目添加到

dd

中。熊猫可以简单地分解唯一的字符串：

将熊猫作为pd导入
代码，uniques=pd.factorize（名称）
代码
>>>数组（[3,3,3,2,2,2,1,1,0,0,0]）

这也可以通过

LabelEncoder（）

在Scikit学习中完成：

从sklearn导入预处理
le=预处理。LabelEncoder（）
代码=le.fit_变换（名称）
代码
>>>数组（[3,3,3,2,2,2,1,1,0,0,0]）

在应用算法之前对列表进行排序怎么样如果你使用

列表（map（{}.setdefault，names，count（））

，则不需要额外的变量。在第一种解决方案中，你可以使用

len（d）

而不是

next（c）

，a la:`numbers=[d.setdefault（i，len（d））来表示名称中的i]@StefanPochmann，是的，你也可以编写这个映射（indexList.index，name），如果不需要编写lambda

import numpy as np

_, numbers = np.unique(names, return_inverse=True)
print(numbers)
# [3 3 2 2 1 1 1 0 3]

>>> names = ['b', 'c', 'd', 'c', 'b', 'a', 'b']
>>> tmp = {}
>>> [tmp.setdefault(name, len(tmp)) for name in names]
[0, 1, 2, 1, 0, 3, 0]

import itertools as it
import collections as ct


names = ['ll', 'll', 'hl', 'hl', 'LL', 'LL', 'LL', 'HL', 'll']

dd = ct.defaultdict(it.count().__next__)
[dd[i] for i in names]
# [0, 0, 1, 1, 2, 2, 2, 3, 0]