为什么使用itertools.groupby而不是自己做？

Question

from collections import defaultdict 
import itertools 

items = [(0, 0), (0, 1), (1, 0), (1, 1)] 

keyfunc = lambda x: x[0] 

# Grouping yourself 
item_map = defaultdict(list) 
for item in items: 
    item_map[keyfunc(item)].append(item) 

# Using itertools.groupby 
item_map = {} 
for key, group in itertools.groupby(items, keyfunc): 
    item_map[key] = [i for i in group] 

itertools.groupby有什么了不起的，我应该使用它而不是自己做？它能以更少的时间复杂度执行分组吗？或者，我是否用我的用例缺少了这一点，groupby应该用于其他情况？

---

另一个海报提到itertools.groupby将返回不同的结果，如果进行分组的项目不是由键排序（或者更确切地说，只是按键是连续彼此）。

例如，items = [(0, 0), (1, 1), (0, 2)]，如果我们不排序的关键，itertools.groupby回报

{0: [(0, 2)], 1: [(1, 1)]} 

而我实现返回

{0: [(0, 0), (0, 2)], 1: [(1, 1)]} 

除非我误解了点，它会似乎DIY方法更好，因为它不需要对数据进行排序。

这里是documentation：

请返回从迭代连续按键和组迭代器。关键是计算每个元素的关键值的函数。如果没有指定或者是None，那么key默认为一个标识函数，并且返回该元素不变。一般而言，迭代器需要在同一个按键函数上进行排序

Answer 1

通常，使用迭代器的要点是避免将整个数据集保留在内存中。在你的例子中，这并不重要，因为：

• 输入已经全部在内存中。
• 你只是倾倒一切到dict，所以输出也都在内存中。

或者，我错过了我的用例，并且groupby应该用于其他情况？

我认为这是一个准确的评估。

假设items是一个迭代器（例如，让我们说这是从标准输入读取线）和输出比在内存中的数据结构以外的东西（如标准输出）：

for key, group in itertools.groupby(items, keyfunc): 
    print("{}: {}".format(key, str([i for i in group]))) 

现在会少你自己做那件事很简单。