将列表拆分成等值较小的列表

Question

我期望将列表变换为等值的较小列表。我有一个例子是：

["a", "a", "a", "b", "b", "c", "c", "c", "c"] 

到

[["a", "a", "a"], ["b", "b"], ["c", "c", "c", "c"]] 

你认为什么是最有效的方式做到这一点？

Answer 1

你可以使用itertools.groupby来解决这个问题：

>>> from itertools import groupby 
>>> [list(grp) for k, grp in groupby(["a", "a", "a", "b", "b", "c", "c", "c", "c"])] 
[['a', 'a', 'a'], ['b', 'b'], ['c', 'c', 'c', 'c']] 

它只组连续相等的元素，但似乎足以在你的情况。

Answer 2

你可以使用collections.Counter

>>> lst = ["a", "a", "a", "b", "b", "c", "c", "c", "c"] 
>>> import collections 
>>> collections.Counter(lst).most_common() 
[('c', 4), ('a', 3), ('b', 2)] 

这样，即使该值不排序，并提供了一个非常紧凑的表示，然后在需要时进入名单，你可以扩展：

>>> [[i]*n for i,n in collections.Counter(lst).most_common()] 
[['c', 'c', 'c', 'c'], ['a', 'a', 'a'], ['b', 'b']] 

Answer 3

虽然我d亲自使用itertools.groupby作为最方便的方式，您要求提高效率，并且这应该比itertools选项中的任何一个快得多：

data = ["a", "a", "a", "b", "b", "c", "c", "c", "c"] 

lookup = {} # lookup map 
result = [] 
for element in data: 
    if element not in lookup: 
     target = lookup[element] = [element] 
     result.append(target) 
    else: 
     lookup[element].append(element) 

print(result) 
# [['a', 'a', 'a'], ['b', 'b'], ['c', 'c', 'c', 'c']] 

如果数据总是有序的（即，元素不会混合），这可以进一步优化没有查找表和使用列表理解的最大性能。

UPDATE - 一些关于效率和操作的说明。如果您设置的测试为：

from itertools import groupby 

def itools_func(data): 
    return [list(grp) for k, grp in groupby(data)] 

def manual_func(data): 
    lookup = {} 
    result = [] 
    for element in data: 
     if element not in lookup: 
      target = lookup[element] = [element] 
      result.append(target) 
     else: 
      lookup[element].append(element) 
    return result 

的问题是，他们两个会不会返回相同的值：

test_data = ["a", "a", "b", "c", "c", "b", "a"] 

itools_func(test_data) # [['a', 'a'], ['b'], ['c', 'c'], ['b'], ['a']] 
manual_func(test_data) # [['a', 'a', 'a'], ['b', 'b'], ['c', 'c']] 

从OP的问题，我的理解，他希望后者（基于他评论“我对列表进行排序以使值连续”），因为对于排序列表，这可以更容易完成。所以，如果我们喂这些功能很长的名单：

test_data = ["a", "a", "a", "b", "b", "c", "c", "c", "c"] * 10000 # 10000 x the original 

在我的系统是钟表如下：

itools_func - 100 loops: 2.668s, per loop: 26.68ms 
manual_func - 100 loops: 1.005s, per loop: 10.05ms 

但是，这是为itertools.groopby不利的环境。如果数据以像进行排序：

test_data = ["a"] * 3000 + ["b"] * 2000 + ["c"] * 40000 

故事是如在C后端踢相当多的不同：

itools_func - 1000 loops: 656.3ms, per loop: 656.3µs 
manual_func - 1000 loops: 4.816s, per loop: 4.816ms 

当数据被排序的手动功能可以进一步优化，但是它几乎不会击败itertools。

Answer 4

使用defaultdict from collections模块（使用此方法的最佳时间为：〜= 0），获得所需输出的另一种方式是使用defaultdict模块。02S一样使用groupby）：

from collections import defaultdict 
a = ["a", "a", "a", "b", "b", "c", "c", "c", "c"] 
b = defaultdict(list) 
for k in a: 
    b[k].append(k) 

>>> b 
defaultdict(list, 
      {'a': ['a', 'a', 'a'], 'b': ['b', 'b'], 'c': ['c', 'c', 'c', 'c']}) 

所以，你现在要做的是：

list(b.values()) 
>>> [['a', 'a', 'a'], ['b', 'b'], ['c', 'c', 'c', 'c']]