Python 有效地分组元组列表

我有一个很大的元组列表，例如

[（1,2），（1,3），（1,4），（2,1），（2,3）]

等。我想有效地将其转换为

[（1，[1,2,3,4]），（2，[1,3]）

。我根据每个元组的第一个元素对元组进行分组，即

（1,2）、（1,3）、（1,4）

变成

（1、[2,3,4]）

（另请参见下面的Haskell版本）。我怀疑这能一次完成吗输入列表始终按顺序排列。

在

python

In中，我尝试使用

defaultdict

，我认为这是一个自然的解决方案，无需重新发明轮子。它工作得很好，但不能保持键的顺序。一种解决方案是使用ordered

defaultdict

as

无论如何，我想知道这个问题的独立于语言且有效的解决方案。我当前的解决方案需要两次传递和一次调用列表上的

set（）

更新

我正在考虑实施以下Haskell版本：

a = [ (1,2), (1,3), (1,4), (2,1), (2,3) ] 
b = groupBy (\ x y -> fst x == fst y ) 
b 
[[(1,2),(1,3),(1,4)],[(2,1),(2,3)]]  
map (\x -> (fst .head $ x, map snd x ) ) b 
[(1,[2,3,4]),(2,[1,3])]

答覆的表现 我实现了两个答案（coldspeed和pm2ring）。在中等尺寸列表（最多10^4个元素）上，PM2环解决方案速度更快；在10^5码的时候，两者都需要同样的时间，在更大的名单上，COLDSPEED开始获胜。下面是数字（使用python3）

第一列是列表中的条目数，第二列是

coldspeed

所用的时间，第三列是

pm2-ring

解决方案所用的时间。所有的时间都是秒

10 0.0001 0.0000
100 0.0001 0.0000
1000 0.0005 0.0001
10000 0.0044 0.0014
100000 0.0517 0.0452
1000000 0.5579 1.5249

脚本在这里

使用Ashwini优化

PM 2Ring

根据Ashwini的建议，解决方案的速度更快（大约是3x-5x）

10 4.887580871582031e-05 1.2636184692382812e-05
100 0.00010132789611816406 2.0742416381835938e-05
1000 0.0005109310150146484 0.000110626220703125
10000 0.004467487335205078 0.0009067058563232422
100000 0.05056118965148926 0.017516136169433594
1000000 0.6100358963012695 0.26450490951538086
10000000 6.092756509780884 2.8253660202026367

和派比 结果有些复杂。最后一列是第2列和第3列的比率

pypy so_group_tuple.py 
(10, [1.6927719116210938e-05, 3.409385681152344e-05], 0.4965034965034965)
(100, [4.601478576660156e-05, 8.296966552734375e-05], 0.5545977011494253)
(1000, [0.010258913040161133, 0.0019040107727050781], 5.388054094665665)
(10000, [0.0002448558807373047, 0.00021600723266601562], 1.1335540838852096)
(100000, [0.002658843994140625, 0.0018231868743896484], 1.45834967961292)
(1000000, [0.0833890438079834, 0.02979302406311035], 2.7989452709245284)
(10000000, [1.0556740760803223, 0.6789278984069824], 1.5549133841124023)

---

我选择的是

PM 2Ring

解决方案，因为在列表大小为10^5之前，它的速度要快得多

您可以使用

集合。OrderedDict

（

首先导入集合

）：

现在，将

o.items（）

转换为列表：

list(o.items())
# [(1, [2, 3, 4]), (2, [1, 3])]

您可以使用并使用

zip

重新排列收集的组中的数据：

from itertools import groupby
from operator import itemgetter

a = [(1, 2), (1, 3), (1, 4), (2, 1), (2, 3)]
b = [(k, list(list(zip(*g))[1])) for k, g in groupby(a, itemgetter(0))]
print(b)

输出

[(1, [2, 3, 4]), (2, [1, 3])]

[(1, 1, 1), (2, 3, 4)]
[(2, 2), (1, 3)]
Output [[2, 3, 4], [1, 3]]

---

那个列表比较密集。这里有一个变体，它使用传统的

for

循环打印中间结果，以便更容易看到发生了什么

b = []
for k, g in groupby(a, itemgetter(0)):
    t = list(zip(*g))
    print(t)
    b.append(list(t[1]))

print('Output', b)

输出

[(1, [2, 3, 4]), (2, [1, 3])]

[(1, 1, 1), (2, 3, 4)]
[(2, 2), (1, 3)]
Output [[2, 3, 4], [1, 3]]

---

正如Ashwini Chaudhary在评论中提到的，在其中嵌套另一个列表comp可以使代码更具可读性，也可能更高效，因为它避免了几个调用

b = [(k, [x for _, x in g]) for k, g in groupby(a, itemgetter(0))]

---

可能是，如果输入列表已排序，则无需使用任何其他排序函数或功能来再次对列表进行排序。 下面的代码将自动给出如您所示的输出

mylistarr = ((1, 2), (1, 3), (1, 4), (2, 1), (2, 3))
output = dict()
for tuple in mylistarr:
    if tuple[0] not in anotherlist:
        output[tuple[0]] = list()
        output[tuple[0]].append(tuple[0])
    output[tuple[0]].append(tuple[1])
print output

输出：

---

{1:[1,2,3,4]，2:[2,1,3]}

请包括您当前的解决方案，并澄清问题所在-我不清楚您是如何从第一个列表到第二个列表的。输入列表总是这样排序的吗？顺便说一句，您在该列表中有一个输入错误。您的预期输出实际上是

[（1[2,3,4]），（2[1,3]）]

？我不知道第一个元组列表中的

1

是从哪里来的。感谢您添加该计时信息。您应该看一看，它比使用

时间

模块手动执行更准确（更方便）。

anotherlist=dict（）

是一个不好的命名。@AshwiniChaudhary确实是！谢谢。@AshwiniChaudhary您的建议使这个实现更快了。我添加了一些基准测试。虽然这很容易阅读，但它比10^5-10^6大小的列表中的

pm2ring

解决方案要慢一些。我在问题主体中添加了一些基准。@Dilawar性能不是唯一考虑的因素。如果您想提高速度，请使用C；）你应该选择最简单、最清晰、最容易阅读和理解的内容。可以理解的是，pm2ring的解决方案是有效的，看起来也不错，但我想知道我的代码在做什么。最后由你决定。干杯