添加键的值并按在 Python 中的字典列表中出现的键对其进行排序
Posted
技术标签:
【中文标题】添加键的值并按在 Python 中的字典列表中出现的键对其进行排序【英文标题】:Add values of keys and sort it by occurrence of the keys in a list of dictionaries in Python 【发布时间】:2017-12-25 03:04:52 【问题描述】:我真的是 Python 新手,我遇到了以下我需要解决的问题。 我有一个来自 Apache Log 的日志文件,如下所示:
[01/Aug/1995:00:54:59 -0400] "GET /images/opf-logo.gif HTTP/1.0" 200 32511
[01/Aug/1995:00:55:04 -0400] "GET /images/ksclogosmall.gif HTTP/1.0" 200 3635
[01/Aug/1995:00:55:06 -0400] "GET /images/ksclogosmall.gif HTTP/1.0" 403 298
[01/Aug/1995:00:55:09 -0400] "GET /images/ksclogosmall.gif HTTP/1.0" 200 3635
[01/Aug/1995:00:55:18 -0400] "GET /images/opf-logo.gif HTTP/1.0" 200 32511
[01/Aug/1995:00:56:52 -0400] "GET /images/ksclogosmall.gif HTTP/1.0" 200 3635
我必须返回请求最多的 10 个对象及其传输的累积字节数。我只需要包含带有成功(HTTP 2xx)响应的 GET 请求。
所以上面的日志会变成:
/images/ksclogosmall.gif 10905
/images/opf-logo.gif 65022
到目前为止,我有以下代码:
import re
from collections import Counter, defaultdict
from operator import itemgetter
import itertools
import sys
log_file = "web.log"
pattern = re.compile(
r'\[(?P<date>[^\[\]:]+):(?P<time>\d+:\d+:\d+) (?P<timezone>[\-+]?\d\d\d\d)\] '
+ r'"(?P<method>\w+) (?P<path>[\S]+) (?P<protocol>[^"]+)" (?P<status>\d+) (?P<bytes_xfd>-|\d+)')
dict_list = []
with open(log_file, "r") as f:
for line in f.readlines():
if re.search("GET", line) and re.search(r'HTTP/[\d.]+"\s[2]\d2', line):
try:
log_line_data = pattern.match(line)
path = log_line_data["path"]
bytes_transferred = int(log_line_data["bytes_xfd"])
dict_list.append(path: bytes_transferred)
except:
print("Unexpected Error: ", sys.exc_info()[0])
raise
f.close()
print(dict_list)
此代码打印以下字典列表。
['/images/opf-logo.gif': 32511,
'/images/ksclogosmall.gif': 3635,
'/images/ksclogosmall.gif': 3635,
'/images/opf-logo.gif': 32511,
'/images/ksclogosmall.gif': 3635]
我不知道如何从这里得到结果:
/images/ksclogosmall.gif 10905
/images/opf-logo.gif 65022
这个结果基本上是与相似键相对应的值相加,按特定键以降序顺序出现的次数排序。
注意:我尝试使用 colllections.Counter 无济于事,这里我想按 key 出现的次数排序。
任何帮助将不胜感激。
【问题讨论】:
【参考方案1】:您可以使用 collections.Counter 和 update
它来为每个对象添加传输的字节数:
from collections import Counter
c = Counter()
for d in dict_list:
c.update(d)
occurrences=Counter([list(x.keys())[0] for x in dict_list])
sorted(c.items(), key=lambda x: occurrences[x[0]], reverse=True)
输出:
[('/images/ksclogosmall.gif', 10905), ('/images/opf-logo.gif', 65022)]
【讨论】:
我试过了,但这不是我需要的。我需要按特定键出现的次数对字典列表进行排序,同时添加它们的值,最终输出将从最高到最低,例如:/images/ksclogosmall.gif 10905 /images/opf-logo。 gif 65022 还是一样,都是按值排序的。我希望它按特定键发生的次数排序,因此即使与 '/images/opf-logo.gif' 键对应的值是 65022 与 '/images/ksclogosmall.gif' 的值是 10905 相比,它应该仍然在顶部,因为关键字“/images/ksclogosmall.gif”在字典列表中出现了 3 次,而另一个只出现了两次。很抱歉有任何混淆,我真的在这部分卡了一段时间了。 好的,这次真的修好了! 使用operator.add
减少一堆计数器效率低下,因为它需要一次又一次地复制计数器并扫描负条目。使用 dict_list
的每个元素构造一个初始 Counter 和 update
它会更快。【参考方案2】:
首先,字典列表对于这种类型的数据并没有实际意义。由于每个字典只有一个键值对,因此只需构建一个元组列表(或者如果您想要更多可读性,则构建一个 namedtuples
列表)。
tuple_list.append((path, bytes_transferred))
现在,获得您想要的结果将更加直接。我个人会使用defaultdict
。
from collections import defaultdict
tracker = defaultdict(list)
for path, bytes_transferred in tuple_list:
tracker[path].append(bytes_transferred)
# '/images/ksclogosmall.gif': [3635, 3635, 3635], '/images/opf-logo.gif': [32511, 32511]
print([(p, sum(b)) for p, b in sorted(tracker.items(), key=lambda i: -len(i[1]))])
# [('/images/ksclogosmall.gif', 10905), ('/images/opf-logo.gif', 65022)]
【讨论】:
【参考方案3】:你可以循环你的字典并将值存储在一个新的字典中:
results =
for d in dict_list:
for k, v in d.items():
total = results.get(k, 0) # get previously stored value, 0 if none
results[k] = total + v
【讨论】:
【参考方案4】:这可能不是最优雅的解决方案,但它会起作用:
freq =
with open('test.txt') as f:
lines = f.read().splitlines()
for line in lines:
if 'GET' in line and 'HTTP' in line and '200' in line:
path = line.split()[3]
occur = int(line.split()[-1])
freq[path] = freq.get(path, 0) + occur
frequency = k: v for k, v in sorted(freq.items(), key=lambda x: x[1])
所以对于您提供的日志 sn-p:
print(frequency)
>>> '/images/ksclogosmall.gif': 10905, '/images/opf-logo.gif': 65022
【讨论】:
我实际上有这个输出,我需要的是按此字典列表中键出现的次数及其累积值排序的结果。 /images/ksclogosmall.gif 10905 /images/opf-logo.gif 65022 @leo_21 啊抱歉我误会了,更新了我的答案。 不用担心。我认为它仍然给出了按值排序的答案,不是吗?抱歉,我不确定我的代码是否正确。如何按键以 desc 顺序出现的次数进行排序,并添加它们的累积值? 我明白了 - 我会更新我的答案,但 @Imran 是一种更好的方法,我相信你在寻找什么。 是的,谢谢您的意见。【参考方案5】:另一种选择,两行
....
path = log_line_data["path"]
if [x for x in range(len(dict_list)) if path in dict_list[x].keys()]:
continue
输出
['/images/opf-logo.gif': 32511, '/images/ksclogosmall.gif': 3635]
【讨论】:
【参考方案6】:如果你想折叠
['/images/opf-logo.gif': 32511,
'/images/ksclogosmall.gif': 3635,
'/images/ksclogosmall.gif': 3635,
'/images/opf-logo.gif': 32511,
'/images/ksclogosmall.gif': 3635]
放入字典中,将具有相同键的值相加:
-
创建一个新的空字典
遍历每个字典,检查新字典中是否存在键
如果key(文件路径)不存在,复制过来
如果存在,添加值
```
total =
for d in all:
for k, v in d.items():
if k in total:
total[k] += v
else:
total[k] = v
print(total)
'/images/opf-logo.gif': 65022, '/images/ksclogosmall.gif': 10905
【讨论】:
以上是关于添加键的值并按在 Python 中的字典列表中出现的键对其进行排序的主要内容,如果未能解决你的问题,请参考以下文章