Python 在字典中查找混合类型值的重复项

我想在字典中识别和分组重复的值。为此，我为我的数据集构建了一个伪哈希（更好的读取签名），如下所示：

from pickle import dumps
taxonomy = {}
binder = defaultdict(list)
for key, value in ds.items():
    signature = dumps(value)
    taxonomy[signature] = value
    binder[signature].append(key)   

有关具体用例，请参见此

不幸的是，我意识到如果以下语句是

真的

：

>>> ds['key1'] == ds['key2']
True

这一点不再总是

True

：

>>> dumps(ds['key1']) == dumps(ds['key2'])
False

我注意到转储输出上的键顺序对于两个dict都不同。如果我将

ds['key1']

和

ds['key2']

的输出复制/粘贴到新词典中，我可以成功地进行比较

作为一种过度的替代方法，我可以递归遍历我的数据集，并将

dict

实例替换为

orderedict

：

import copy
def faithfulrepr(od):
    od = od.deepcopy(od)
    if isinstance(od, collections.Mapping):
        res = collections.OrderedDict()
        for k, v in sorted(od.items()):
            res[k] = faithfulrepr(v)
        return repr(res)
    if isinstance(od, list):
        for i, v in enumerate(od):
            od[i] = faithfulrepr(v)
        return repr(od)
    return repr(od)

>>> faithfulrepr(ds['key1']) == faithfulrepr(ds['key2'])
True

我担心这种幼稚的做法，因为我不知道我是否涵盖了所有可能的情况

---

我还可以使用其他（通用）替代方案吗？

首先要删除对

deepcopy

的调用，这是您的瓶颈：

def faithfulrepr(ds):
    if isinstance(ds, collections.Mapping):
        res = collections.OrderedDict(
            (k, faithfulrepr(v)) for k, v in sorted(ds.items())
        )
    elif isinstance(ds, list):
        res = [faithfulrepr(v) for v in ds]
    else:
        res = ds
    return repr(res)

然而，

sorted

和

repr

有其缺点：

您无法真正比较自定义类型

不能对不同类型的键使用映射

因此，第二件事是去掉

faithfulrepr

，并将对象与

\uuuuueq\uuuuu

进行比较：

binder, values = [], []
for key, value in ds.items():
    try:
        index = values.index(value)
    except ValueError:
        values.append(value)
        binder.append([key])
    else:
        binder[index].append(key)
grouped = dict(zip(map(tuple, binder), values))

---

因此，您希望每个

dict

的

repr

相同。。。有什么原因不能只

加载它们并进行比较吗？是的，使用
repr
比使用
pickle
容易得多。不幸的是，
repr
对象并不总是足以比较两个实例的内容。这就是说，
repr（ds['key1']）==repr（ds['key2']）
也会返回
False
…我的意思是-你想让
dict
对象的一些表示比较相等-可以是JSON/pickled/
str
'd/
repr
'd等等。。。为什么不把它倒过来再比较一下呢？例如：
loads（dumps（ds['key1']）==loads（dumps（ds['key2']）
？如果你看我在
binder[signature].append（key）
附近的例子，我并没有像
a==b
那样比较我的字典。因此，在我的示例中，您的解决方案不起作用。