字典列表，按列表键分组，没有交集

Posted 2023-02-25

【中文标题】字典列表，按列表键分组，没有交集

【英文标题】：List of dicts, group without intersection by list keys

【发布时间】：2020-12-03 17:48:05

【问题描述】：

我需要帮助来优化我的代码。

我有一个数据：

data = [
  "ids": [1],
  "ids": [3, 4],
  "ids": [1, 2],
  "ids": [2],
]

并且我需要将其分组而不按 id 进行交叉，因此预期的数据应该是：

expected = [
  ["ids": [1], "ids": [2]],
  ["ids": [3, 4], "ids": [1, 2]],
]  # only 2 sublist here

我要拆分的代码（未优化）：

import itertools as it

def _split(
    list_of_dicts,
):
    splitted_list_of_dicts = []
    sub_list = []
    while list_of_dicts:
        for dct in list_of_dicts:
            ids_in_sub_list = set(
                it.chain(*[sub_list_el["ids"] for sub_list_el in sub_list]),
            )
            if not set(dct["ids"]).intersection(ids_in_sub_list):
                sub_list.append(dct)
                list_of_dicts.remove(dct)
        splitted_list_of_dicts.append(sub_list)
        sub_list = []
    return splitted_list_of_dicts

我的代码的结果是：

result = [
    ['ids': [1], 'ids': [2]],
    ['ids': [3, 4]],
    ['ids': [1, 2]]
]  # 3 sublist

我又得到一个列表，我尝试对其进行优化。 如果您对如何帮助我有任何想法，我会很高兴，感谢您的宝贵时间。

更多示例：

data = [
  "ids": [1],
  "ids": [3, 4],
  "ids": [1, 2],
  "ids": [4],
  "ids": [3],
  "ids": [2],
]

可以分组为2个元素列表：

expected = [
    ['ids': [1], 'ids': [4], 'ids': [2], 'ids': [3]],
    ['ids': [3, 4], 'ids': [1, 2]],
]

但现在我得到了全部 4 个：

result = [
    ['ids': [1], 'ids': [4], 'ids': [2]],
    ['ids': [3, 4]],
    ['ids': [1, 2]],
    ['ids': [3]]
]

【问题讨论】：

你能保证在给定的输入中总是有偶数个元素吗？

不，这只是一个示例数据。元素的数量可以是任意的。

你还有更多的例子吗？我仍然不确定您应该如何对数据进行分组。

所以您想查看所有数据并做出没有任何相交ID的最佳分组？

[1, 2] and [3, 4] 分组在一起的原因是什么？

【参考方案1】：

如果可以接受任何不包含重复项的组合，您可以简单地遍历 data 列表并将当前元素附加到结果中不存在任何 id 的第一个元素。

def split(list_of_dicts):
    result_helper = [set()] # This will be a list of sets for easy membership checks
    result_list = [[]] # This will be what we return
    for d in list_of_dicts:
        for s, l, in zip(result_helper, result_list):
            if not any(x in s for x in d["ids"]):
                s.update(d["ids"])
                l.append(d)
                break
        else:
            # for loop ended without being broken
            # This means no elements of result_list took this dict item. 
            # So create a new element
            result_list.append([d])
            result_helper.append(set(d["ids"]))
    return result_list

使用您的原始数据，

data = [
  "ids": [1],
  "ids": [3, 4],
  "ids": [1, 2],
  "ids": [2],
]
split(data)

我们得到输出：

 [
    ['ids': [1], 'ids': [3, 4], 'ids': [2]],
    ['ids': [1, 2]]
 ]

这似乎是一个可以接受的解决方案，因为所有列表都没有重复的 id。

还有第二个例子：

data = [
  "ids": [1],
  "ids": [3, 4],
  "ids": [1, 2],
  "ids": [4],
  "ids": [3],
  "ids": [2],
]
split(data)

这给出了输出：

 [
    ['ids': [1], 'ids': [3, 4], 'ids': [2]],
    ['ids': [1, 2], 'ids': [4], 'ids': [3]]
 ]

在这种情况下也没有重复。

【讨论】：

谢谢，伙计，你真是个天才。这正是我所需要的。

【参考方案2】：

据我所知，您实际上是在对每个组的基数进行排序。

from itertools import groupby


def transform(data):
    cardinality = lambda x: len(x['ids'])
    sorted_data = sorted(data, key=cardinality)
    return [list(group) for _, group in groupby(sorted_data, key=cardinality)]

给予：

[
    [
        'ids': [1],
        'ids': [4],
        'ids': [3],
        'ids': [2]
    ],
    [
        'ids': [3, 4],
        'ids': [1, 2]
    ]
]

【讨论】：

嘿，谢谢你的时间，但我需要保存我原来的听写。

如果我们使用像：[ "ids": [1], "ids": [3, 4], "ids": [1, 2], "ids": [5], "ids": [3], "ids": [2], "ids": [2, 3], ] 这样的数据，结果数据将有重复：['ids': [[1], [5], [3], [2]], 'ids': [[3, 4], [1, 2], [2, 3]]]

可能有点晚了，但我想我现在明白了。也学了一点。