在Python 3中移除列表中部分重复条目的特定实例

Question

我对Python比较陌生。但是，我的需求通常只涉及对严格格式化的数据文件的简单字符串操作。我有一个特定的情况，我在网上搜索，试图解决，但一无所获。

情况就是这样。我有一个由两部分组成的条目的简单列表，格式如下：

name = ['PAUL;25', 'MARY;60', 'PAUL;40', 'NEIL;50', 'MARY;55', 'HELEN;25', ...]

而且，我只需要保留任何重复名称的一个实例(忽略‘；’右侧的数字)，只保留具有最高数字的条目，以及仍然附加的最高值。所以答案应该是这样的：

ans = ['MARY;60', 'PAUL;40', 'HELEN;25', 'NEIL;50, ...]

元素在列表中的顺序是不相关的，但ans列表条目的格式必须保持不变。

我也许能想出一种暴力破解它的方法。我看过2D列表、集合、元组等，但我似乎找不到答案。名字列表大约有一百万个条目，所以我需要一些高效的条目。我相信对你们中的一些人来说，这将是非常容易的。

感谢您能提供的任何意见。

干杯。

碱土

Answer 1

最好的数据结构可能是字典，将条目拆分(并转换为整数)，然后重新连接。

如下所示：

max_score = {}
for n in name:
    person, score_str = n.split(';')
    score = int(score_str)
    if person not in max_score or max_score[person] < score:
        max_score[person] = score

ans = [
  '%s;%s' % (person, score)
  for person, score in max_score.items()
]

对于许多函数和程序来说，这是一种相当常见的结构:首先将输入转换为内部表示(在本例中，拆分并转换为整数)，然后进行逻辑或计算(在本例中，为唯一性和最大值)，然后转换为所需的输出表示(在本例中，字符串以;分隔)。

就效率而言，此代码先查看每个输入项一次，然后查看每个输出项一次；不太可能有比这更好的方法(当然不是正式的，也可能不是实际的)。所有的每个项目的操作都是恒定的时间和快速的。它在内存中累积中间答案(在max_score中)，但这也是不可避免的；如果内存有问题，可以将输入和输出更改为迭代器/生成器，但在输出任何项之前，必须在max_score中累积整个中间答案。