为啥 itertools.groupby() 不起作用？ [复制]

Posted 2023-02-25

【中文标题】为啥 itertools.groupby() 不起作用？ [复制]

【英文标题】：Why itertools.groupby() doesn't work? [duplicate]为什么 itertools.groupby() 不起作用？ [复制]

【发布时间】：2018-05-06 10:21:25

【问题描述】：

我检查了一些关于 groupby() 的主题，但我不明白我的示例有什么问题：

students = ['name': 'Paul',    'mail': '@gmail.com',
            'name': 'Tom',     'mail': '@yahoo.com',
            'name': 'Jim',     'mail': 'gmail.com',
            'name': 'Jules',   'mail': '@something.com',
            'name': 'Gregory', 'mail': '@gmail.com',
            'name': 'Kathrin', 'mail': '@something.com']

key_func = lambda student: student['mail']

for key, group in itertools.groupby(students, key=key_func):
    print(key)
    print(list(group))

这会分别打印每个学生。为什么我没有只得到 3 个组：@gmail.com、@yahoo.com 和 @something.com？

【问题讨论】：

Jim 的电子邮件是 gmail.com，而不是像其他人一样的 @gmail.com。错字？

【参考方案1】：

首先，有些邮件是gmail.com，有些是@gmail.com，这就是为什么它们被视为单独的组。

groupby 还期望数据由相同的key 函数预先排序，这解释了为什么您会得到两次@something.com。

来自docs：

... 通常，iterable 需要已经在相同的 key 函数上排序。 ...

students = ['name': 'Paul', 'mail': '@gmail.com', 'name': 'Tom', 'mail': '@yahoo.com',
            'name': 'Jim', 'mail': 'gmail.com', 'name': 'Jules', 'mail': '@something.com',
            'name': 'Gregory', 'mail': '@gmail.com', 'name': 'Kathrin', 'mail': '@something.com']

key_func = lambda student: student['mail']

students.sort(key=key_func)
# sorting by same key function we later use with groupby

for key, group in itertools.groupby(students, key=key_func):
    print(key)
    print(list(group))

#  @gmail.com
#  ['name': 'Paul', 'mail': '@gmail.com', 'name': 'Gregory', 'mail': '@gmail.com']
#  @something.com
#  ['name': 'Jules', 'mail': '@something.com', 'name': 'Kathrin', 'mail': '@something.com']
#  @yahoo.com
#  ['name': 'Tom', 'mail': '@yahoo.com']
#  gmail.com
#  ['name': 'Jim', 'mail': 'gmail.com']

在修复排序和gmail.com/@gmail.com 之后，我们得到了预期的输出：

import itertools

students = ['name': 'Paul', 'mail': '@gmail.com', 'name': 'Tom', 'mail': '@yahoo.com',
            'name': 'Jim', 'mail': '@gmail.com', 'name': 'Jules', 'mail': '@something.com',
            'name': 'Gregory', 'mail': '@gmail.com', 'name': 'Kathrin', 'mail': '@something.com']

key_func = lambda student: student['mail']

students.sort(key=key_func)

for key, group in itertools.groupby(students, key=key_func):
    print(key)
    print(list(group))

#  @gmail.com
#  ['mail': '@gmail.com', 'name': 'Paul',
#   'mail': '@gmail.com', 'name': 'Jim',
#   'mail': '@gmail.com', 'name': 'Gregory']
#  @something.com
#  ['mail': '@something.com', 'name': 'Jules',
#   'mail': '@something.com', 'name': 'Kathrin']
#  @yahoo.com
#  ['mail': '@yahoo.com', 'name': 'Tom']

【讨论】：

好的，我已经阅读了文档，并且看到必须对序列进行排序，但由于无法对字典进行排序，我迷路了。我创建了一个混乱的代码。

@kviatek 这是关于对字典的列表进行排序，而不是字典本身。

我正在尝试将问题编辑为更合适的重复目标；如果我像其他人一样将 Jim 的电子邮件从 gmail.com 更改为 @gmail.com，您介意吗？这与我认为的问题无关。

@Aran_Fey 是的，当然，我已经看到你已经这样做了，但无论如何我都会回应。 DeepSpace 是的，我知道，但就像我说过的那样，我迷失在所有对象中，最后我试图对字典进行排序，显然，这不是必须要做的。现在一切都清楚了。

【参考方案2】：

itertools 使用数据的排序顺序。您的列表未排序。

因此，如果您有 ["gmail.com", "something.com", "gmail.com"]，itertools 将创建三个组。这与某些函数式语言中的 groupby 不同（或者 Python pandas）。

您需要先对字典进行排序。

import itertools

students = ['name': 'Paul', 'mail': '@gmail.com', 'name': 'Tom',    'mail': '@yahoo.com',
            'name': 'Jim', 'mail': 'gmail.com', 'name': 'Jules', 'mail': '@something.com',
            'name': 'Gregory', 'mail': '@gmail.com', 'name': 'Kathrin', 'mail': '@something.com']


 for key, group in itertools.groupby(sorted(students, key=lambda x: x["mail"]), key=lambda student: student['mail']):
     print(key)
     print(list(group))

# @gmail.com
# ['name': 'Paul', 'mail': '@gmail.com', 'name': 'Gregory', 'mail': '@gmail.com']
# @something.com
# ['name': 'Jules', 'mail': '@something.com', 'name': 'Kathrin', 'mail': '@something.com']
# @yahoo.com
#['name': 'Tom', 'mail': '@yahoo.com']
#gmail.com
# ['name': 'Jim', 'mail': 'gmail.com']

【讨论】：

我不是反对者，但是：这与字典不可排序的事实无关，OP 是按字典的 list 分组的。您可以在我的回答中看到为什么它不能按预期工作

谢谢 DeepSpace。固定。