处理一组独特的元组

Question

我有一组独特的元组，如下所示。第一个值是名称，第二个值是ID，第三个值是类型。

(“9”、“0000022”、“上帝军”) (“45”、“0000016”、“PBM”) (“16”，“0000048”，“PBL”) (“304”、“0000042”、“PBL”) (“7”，“0000014”，“IBL”) (“12”、“0000051”、“上帝军”) (“7”，“0000014”，“PBL”) (“68”、“0000002”、“PBM”) ('356'，'0000049'，'PBL') (“12”，“0000051”，“PBL”) (“15”，“0000015”，“PBL”) (“32”，“0000046”，“PBL”) (“9”，“0000022”，“PBL”) ('10'，'0000007'，'PBM') (“7”、“0000014”、“上帝抵抗军”) (“439”、“0000005”、“PBL”) (“4”、“0000029”、“上帝军”) (“41”，“0000064”，“PBL”) (“10”，“0000007”，“IBL”) (“8”，“0000006”，“PBL”) (“331”、“0000040”、“PBL”) (“9”，“0000022”，“IBL”)

此集合包括名称/ID组合的重复项，但它们都有不同的类型。例如：

(“9”、“0000022”、“上帝军”) (“9”，“0000022”，“PBL”) (“9”，“0000022”，“IBL”)

我想做的是处理这组元组，以便创建一个新列表，其中每个名称/ID组合只出现一次，但包含所有类型。此列表只应包括具有多个类型的名称/ID组合。例如，我的输出如下所示：

(“9”，“0000022”，“上帝军”，“PBL”，“IBL”) (“7”、“0000014”、“IBL”、“PBL”、“上帝军”)

但是，我的输出不应该包括只有一种类型的名称/ID组合：

(“45”、“0000016”、“PBM”) (“16”，“0000048”，“PBL”)

任何帮助都是非常感谢的！

Answer 1

itertools.groupby将对其输出的内容进行一些附加处理，以完成以下工作：

from itertools import groupby

data = {
    ('9', '0000022', 'LRA'),
    ('45', '0000016', 'PBM'),
    ('16', '0000048', 'PBL'),
    ...
}

def group_by_name_and_id(s):
    grouped = groupby(sorted(s), key=lambda (name, id_, type_): (name_, id))
    for (name, id_), items in grouped:
        types = tuple(type_ for _, _, type_ in items)
        if len(types) > 1:
            yield (name, id_) + types

print '\n'.join(str(x) for x in group_by_name_and_id(data))

产出：

('10', '0000007', 'PBM', 'IBL')
('12', '0000051', 'LRA', 'PBL')
('7', '0000014', 'LRA', 'PBL', 'IBL')
('9', '0000022', 'LRA', 'PBL', 'IBL')

P.S.，但我不太喜欢这个设计: thet类型可以/应该是包含在元组的第三项中的列表，而不是元组本身的一部分.因为这样的话元组的长度是动态的，而且很难看.元组不应该像那样使用。所以最好换掉

        types = tuple(type_ for _, _, type_ in items)
        yield (name, id_) + types

使用

        types = [type_ for _, _, type_ in items]
        yield (name, id_, types)

让你看起来更干净

('10', '0000007', ['IBL', 'PBM'])
('12', '0000051', ['LRA', 'PBL'])
('7', '0000014', ['IBL', 'LRA', 'PBL'])
('9', '0000022', ['IBL', 'LRA', 'PBL'])

例如，您可以使用for name, id, types in transformed_data:迭代生成的数据。

Answer 2

使用defaultdict进行积累并进行筛选非常简单：

from collections import defaultdict

d = defaultdict(list)
for tup in list_of_tuples:
    d[(tup[0],tup[1])].append(tup[2])

d
Out[15]: defaultdict(<class 'list'>, {('16', '0000048'): ['PBL'], ('9', '0000022'): ['LRA', 'PBL', 'IBL'], ('12', '0000051'): ['LRA', 'PBL'], ('304', '0000042'): ['PBL'], ('331', '0000040'): ['PBL'], ('41', '0000064'): ['PBL'], ('356', '0000049'): ['PBL'], ('15', '0000015'): ['PBL'], ('8', '0000006'): ['PBL'], ('4', '0000029'): ['LRA'], ('7', '0000014'): ['IBL', 'PBL', 'LRA'], ('32', '0000046'): ['PBL'], ('68', '0000002'): ['PBM'], ('439', '0000005'): ['PBL'], ('10', '0000007'): ['PBM', 'IBL'], ('45', '0000016'): ['PBM']})

然后过滤：

[(key,val) for key,val in d.items() if len(val) > 1]
Out[29]: 
[(('9', '0000022'), ['LRA', 'PBL', 'IBL']),
 (('12', '0000051'), ['LRA', 'PBL']),
 (('7', '0000014'), ['IBL', 'PBL', 'LRA']),
 (('10', '0000007'), ['PBM', 'IBL'])]

如果你真的想让它回到原来的格式：

from itertools import chain

[tuple(chain.from_iterable(tup)) for tup in d.items() if len(tup[1]) > 1]
Out[27]: 
[('9', '0000022', 'LRA', 'PBL', 'IBL'),
 ('12', '0000051', 'LRA', 'PBL'),
 ('7', '0000014', 'IBL', 'PBL', 'LRA'),
 ('10', '0000007', 'PBM', 'IBL')]

尽管我认为保留它为一个以(name，id)元组作为键的dict是最有意义的，就像我们在第一步中生成的那样。

Answer 3

科学的一条线(其他的答案更易读，可能更正确)：

testlist=[('9', '0000022', 'LRA'),
('45', '0000016', 'PBM'),
('16', '0000048', 'PBL'),
('304', '0000042', 'PBL'),etc.]


from collections import Counter

new_list = [(a1,b1)+tuple([c for (a,b,c) in testlist if (a,b) == (a1,b1)]) \
      for (a1,b1) in [pair for pair,count in Counter([(a,b) \
      for (a,b,c) in testlist]).iteritems() if count > 1]]

print new_list

产量：

[('9', '0000022', 'LRA', 'PBL', 'IBL'),
 ('12', '0000051', 'LRA', 'PBL'), 
 ('10', '0000007', 'PBM', 'IBL'), 
 ('7', '0000014', 'IBL', 'PBL', 'LRA')]