在 Python 中对嵌套列表进行排序和分组
Posted
技术标签:
【中文标题】在 Python 中对嵌套列表进行排序和分组【英文标题】：Sorting and Grouping Nested Lists in Python 【发布时间】：2009-01-03 17:05:30 【问题描述】：我有以下数据结构（列表列表）
[
['4', '21', '1', '14', '2008-10-24 15:42:58'],
['3', '22', '4', '2somename', '2008-10-24 15:22:03'],
['5', '21', '3', '19', '2008-10-24 15:45:45'],
['6', '21', '1', '1somename', '2008-10-24 15:45:49'],
['7', '22', '3', '2somename', '2008-10-24 15:45:51']
]
我希望能够
使用函数重新排序列表，以便我可以按列表中的每个项目进行分组。例如，我希望能够按第二列进行分组（以便所有 21 都在一起）
使用函数仅显示每个内部列表中的某些值。例如，我想将此列表减少为仅包含“2somename”的第四个字段值
所以列表看起来像这样
[
['3', '22', '4', '2somename', '2008-10-24 15:22:03'],
['7', '22', '3', '2somename', '2008-10-24 15:45:51']
]
【问题讨论】：
次要问题，但您可能应该使用元组而不是内部列表 【参考方案1】：对于第一个问题，您应该做的第一件事是使用操作员模块中的itemgetter 按第二个字段对列表进行排序：
x = [
['4', '21', '1', '14', '2008-10-24 15:42:58'],
['3', '22', '4', '2somename', '2008-10-24 15:22:03'],
['5', '21', '3', '19', '2008-10-24 15:45:45'],
['6', '21', '1', '1somename', '2008-10-24 15:45:49'],
['7', '22', '3', '2somename', '2008-10-24 15:45:51']
]
from operator import itemgetter
x.sort(key=itemgetter(1))
然后就可以使用itertools的groupby函数了：
from itertools import groupby
y = groupby(x, itemgetter(1))
现在 y 是一个包含 (element, item iterator) 元组的迭代器。解释这些元组比显示代码更令人困惑：
for elt, items in groupby(x, itemgetter(1)):
print(elt, items)
for i in items:
print(i)
哪些打印：
21 <itertools._grouper object at 0x511a0>
['4', '21', '1', '14', '2008-10-24 15:42:58']
['5', '21', '3', '19', '2008-10-24 15:45:45']
['6', '21', '1', '1somename', '2008-10-24 15:45:49']
22 <itertools._grouper object at 0x51170>
['3', '22', '4', '2somename', '2008-10-24 15:22:03']
['7', '22', '3', '2somename', '2008-10-24 15:45:51']
对于第二部分，您应该使用这里已经提到的列表推导：
from pprint import pprint as pp
pp([y for y in x if y[3] == '2somename'])
哪些打印：
[['3', '22', '4', '2somename', '2008-10-24 15:22:03'],
['7', '22', '3', '2somename', '2008-10-24 15:45:51']]
【讨论】：
我添加了列表理解示例。 这个答案是很久以前写的，现在你应该使用生成器表达式而不是列表理解：pp(y for y in x if y[3] == '2somename')
没有。这是错误的。 genexpr 在这里不合适。尝试运行代码。【参考方案2】：
如果你将它分配给 var "a"...
python 2.x：
#1：
a.sort(lambda x,y: cmp(x[1], y[1]))
#2：
filter(lambda x: x[3]=="2somename", a)
蟒蛇3：
#1：
a.sort(key=lambda x: x[1])
【讨论】：
比 itemgetter 更简单、更干净的方法 lambda 为胜利。我真的很喜欢这个解决方案【参考方案3】：如果我正确理解您的问题，以下代码应该可以完成这项工作：
l = [
['4', '21', '1', '14', '2008-10-24 15:42:58'],
['3', '22', '4', '2somename', '2008-10-24 15:22:03'],
['5', '21', '3', '19', '2008-10-24 15:45:45'],
['6', '21', '1', '1somename', '2008-10-24 15:45:49'],
['7', '22', '3', '2somename', '2008-10-24 15:45:51']
]
def compareField(field):
def c(l1,l2):
return cmp(l1[field], l2[field])
return c
# Use compareField(1) as the ordering criterion, i.e. sort only with
# respect to the 2nd field
l.sort(compareField(1))
for row in l: print row
print
# Select only those sublists for which 4th field=='2somename'
l2somename = [row for row in l if row[3]=='2somename']
for row in l2somename: print row
输出：
['4', '21', '1', '14', '2008-10-24 15:42:58']
['5', '21', '3', '19', '2008-10-24 15:45:45']
['6', '21', '1', '1somename', '2008-10-24 15:45:49']
['3', '22', '4', '2somename', '2008-10-24 15:22:03']
['7', '22', '3', '2somename', '2008-10-24 15:45:51']
['3', '22', '4', '2somename', '2008-10-24 15:22:03']
['7', '22', '3', '2somename', '2008-10-24 15:45:51']
【讨论】：
排序的 'cmp' 参数在 2.6/3.0 中被删除，因此，最好使用提取排序键的 'key' 参数，否则，+1。 删除了'cmp='，无论如何都应该是第一个参数。顺便说一句，我使用的是 python 2.6.1，一切正常......【参考方案4】：使用函数重新排序列表，以便我可以按列表中的每个项目进行分组。例如，我希望能够按第二列进行分组（以便所有 21 都在一起）
列表具有内置的排序方法，您可以提供提取排序键的函数。
>>> import pprint
>>> l.sort(key = lambda ll: ll[1])
>>> pprint.pprint(l)
[['4', '21', '1', '14', '2008-10-24 15:42:58'],
['5', '21', '3', '19', '2008-10-24 15:45:45'],
['6', '21', '1', '1somename', '2008-10-24 15:45:49'],
['3', '22', '4', '2somename', '2008-10-24 15:22:03'],
['7', '22', '3', '2somename', '2008-10-24 15:45:51']]
使用函数仅显示每个内部列表中的某些值。例如，我想将此列表缩减为仅包含“2somename”的第 4 个字段值
这看起来像是 list comprehensions 的工作
>>> [ll[3] for ll in l]
['14', '2somename', '19', '1somename', '2somename']
【讨论】：
将[ll[3] for ll in l] 替换为[ll for ll in l if ll[3] == '2somename'] 并修复输出。【参考方案5】：
如果您要进行大量排序和过滤，您可能会喜欢一些辅助函数。
m = [
['4', '21', '1', '14', '2008-10-24 15:42:58'],
['3', '22', '4', '2somename', '2008-10-24 15:22:03'],
['5', '21', '3', '19', '2008-10-24 15:45:45'],
['6', '21', '1', '1somename', '2008-10-24 15:45:49'],
['7', '22', '3', '2somename', '2008-10-24 15:45:51']
]
# Sort and filter helpers.
sort_on = lambda pos: lambda x: x[pos]
filter_on = lambda pos,val: lambda l: l[pos] == val
# Sort by second column
m = sorted(m, key=sort_on(1))
# Filter on 4th column, where value = '2somename'
m = filter(filter_on(3,'2somename'),m)
【讨论】：
sort_on == operator.itemgetter 请使用 DEF 而不是 lambda。 @s.lott - 为什么在这里定义超过 lambdas？ @Triptych：因为带有名称的 lambda 就像 def 一样，但更令人困惑，绝对没有任何好处。 嗯。在这种情况下，我认为 lambda 更具可读性。而“更令人困惑”当然是主观的！【参考方案6】：对于第 (2) 部分，x 是你的数组，我想你想要，
[y for y in x if y[3] == '2somename']
这将返回一个仅包含第四个值为“2somename”的数据列表的列表...尽管 Kamil 似乎为您提供了使用 SQL 的最佳建议...
【讨论】：
【参考方案7】：看起来很像您正在尝试将列表用作数据库。
如今，Python 在核心发行版中包含 sqlite 绑定。如果您不需要持久性，那么创建内存中的 sqlite 数据库非常容易（请参阅How do I create a sqllite3 in-memory database?）。
然后您可以使用 SQL 语句来完成所有这些排序和过滤，而无需重新发明***。
【讨论】：
卡米尔，你是对的。但是，我正在学习 Python，并希望使用列表来做一些事情，这样我就可以了解更多关于它们的信息。不过谢谢，我会检查一下【参考方案8】：您只是在结构上创建索引，对吗？
>>> from collections import defaultdict
>>> def indexOn( things, pos ):
... inx= defaultdict(list)
... for t in things:
... inx[t[pos]].append(t)
... return inx
...
>>> a=[
... ['4', '21', '1', '14', '2008-10-24 15:42:58'],
... ['3', '22', '4', '2somename', '2008-10-24 15:22:03'],
... ['5', '21', '3', '19', '2008-10-24 15:45:45'],
... ['6', '21', '1', '1somename', '2008-10-24 15:45:49'],
... ['7', '22', '3', '2somename', '2008-10-24 15:45:51']
... ]
这是您的第一个请求，按位置 1 分组。
>>> import pprint
>>> pprint.pprint( dict(indexOn(a,1)) )
'21': [['4', '21', '1', '14', '2008-10-24 15:42:58'],
['5', '21', '3', '19', '2008-10-24 15:45:45'],
['6', '21', '1', '1somename', '2008-10-24 15:45:49']],
'22': [['3', '22', '4', '2somename', '2008-10-24 15:22:03'],
['7', '22', '3', '2somename', '2008-10-24 15:45:51']]
这是您的第二个请求，按位置 3 分组。
>>> dict(indexOn(a,3))
'19': [['5', '21', '3', '19', '2008-10-24 15:45:45']], '14': [['4', '21', '1', '14', '2008-10-24 15:42:58']], '2somename': [['3', '22', '4', '2somename', '2008-10-24 15:22:03'], ['7', '22', '3', '2somename', '2008-10-24 15:45:51']], '1somename': [['6', '21', '1', '1somename', '2008-10-24 15:45:49']]
>>> pprint.pprint(_)
'14': [['4', '21', '1', '14', '2008-10-24 15:42:58']],
'19': [['5', '21', '3', '19', '2008-10-24 15:45:45']],
'1somename': [['6', '21', '1', '1somename', '2008-10-24 15:45:49']],
'2somename': [['3', '22', '4', '2somename', '2008-10-24 15:22:03'],
['7', '22', '3', '2somename', '2008-10-24 15:45:51']]
【讨论】：
【参考方案9】：您可以使用 for 循环对嵌套列表中的元素进行排序和分组。代码将是：
l = [['3', '21', '1', '14', '2008-10-24 15:42:58'],
['4', '22', '4','2somename','2008-10-24 15:22:03'],
['5', '21', '3', '19', '2008-10-24 15:45:45'],
['6', '21', '1', '1somename', '2008-10-24 15:45:49'],
['7', '35', '3','2somename', '2008-10-24 15:45:51']]
col = int(input("Enter the column to search(1-5):"))
val = str(input("Enter the element to group by:"))
val1=[]
print('Searching...')
for x in l:
cmp=x[col-1]
if cmp==val:
val1=x
print(val1)
emp=[]
if val1 == emp:
print('No search result. Please Try Again!!')
输出如下所示：
Enter the column to search(1-5):4
Enter the element to group by:2somename
Searching...
['4', '22', '4', '2somename', '2008-10-24 15:22:03']
['7', '35', '3', '2somename', '2008-10-24 15:45:51']
【讨论】：
以上是关于在 Python 中对嵌套列表进行排序和分组的主要内容，如果未能解决你的问题，请参考以下文章
学不会的python之通过某几个关键字排序分组一个字典列表(列表中嵌套字典)
学不会的python之通过某几个关键字排序分组一个字典列表(列表中嵌套字典)