如何使用python的itertools.groupby()?

重要注意事项: 你必须 排序你的数据 第一。

我没有得到的部分是在示例构造中

groups = []
uniquekeys = []
for k, g in groupby(data, keyfunc):
   groups.append(list(g))    # Store group iterator as a list
   uniquekeys.append(k)

k 是当前分组键,并且 g 是一个迭代器,您可以使用它对该分组键定义的组进行迭代。也就是说, groupby 迭代器本身返回迭代器。

下面是一个例子,使用更清晰的变量名:

from itertools import groupby

things = [("animal", "bear"), ("animal", "duck"), ("plant", "cactus"), ("vehicle", "speed boat"), ("vehicle", "school bus")]

for key, group in groupby(things, lambda x: x[0]):
    for thing in group:
        print "A %s is a %s." % (thing[1], key)
    print " "

这将为您提供输出:

熊是一种动物。
鸭子是动物。

仙人掌是一种植物。

快艇是一种交通工具。
校车是一种交通工具。

在这个例子中, things 是一个元组列表,其中每个元组中的第一项是第二项所属的组。

这个 groupby() 函数接受两个参数:(1)要分组的数据;(2)要分组的函数。

在这里, lambda x: x[0] 讲述 组() 将每个元组中的第一个项用作分组键。

在上面 for 语句, 子句 返回三对(键、组迭代器)-每个唯一键一次。可以使用返回的迭代器对该组中的每个项进行迭代。

下面是一个使用相同数据的稍微不同的示例,使用列表理解:

for key, group in groupby(things, lambda x: x[0]):
    listOfThings = " and ".join([thing[1] for thing in group])
    print key + "s:  " + listOfThings + "."

这将为您提供输出:

动物:熊和鸭。
植物:仙人掌。
车辆:快艇和校车。

你能给我们看看你的密码吗?

关于python文档的示例非常简单:

groups = []
uniquekeys = []
for k, g in groupby(data, keyfunc):
    groups.append(list(g))      # Store group iterator as a list
    uniquekeys.append(k)

因此,在您的例子中,数据是一个节点列表,keyfunc是标准函数的逻辑所在,然后 groupby() 对数据分组。

你必须小心 数据排序 按你打电话前的标准 groupby 否则就行不通了。 子句 方法实际上只是遍历一个列表,每当键更改时,它就会创建一个新组。

Neato与Groupby的一个诀窍是在一行中运行长度编码:

[(c,len(list(cgen))) for c,cgen in groupby(some_string)]

将为您提供两个元组的列表,其中第一个元素是char,第二个元素是重复次数。

编辑:请注意,这是分隔 itertools.groupby 从SQL GROUP BY 语义:itertools不会(通常也不能)提前对迭代器排序,因此具有相同“key”的组不会合并。

itertools.groupby 是用于分组项的工具。

从 the docs ,我们进一步了解它可能会做什么:

# [k for k, g in groupby('AAAABBBCCDAABBB')] --> A B C D A B

# [list(g) for k, g in groupby('AAAABBBCCD')] --> AAAA BBB CC D

groupby 对象在组是生成器的位置生成键组对。

特征

• a.将连续项目分组在一起
• b.对一个项目的所有出现项进行分组,给出一个已排序的iterable
• c.指定如何使用键函数对项进行分组

比较

# Define a printer for comparing outputs
>>> def print_groupby(iterable, key=None):
...    for k, g in it.groupby(iterable, key):
...        print("key: '{}'--> group: {}".format(k, list(g)))

# Feature A: group consecutive occurrences
>>> print_groupby("BCAACACAADBBB")
key: 'B'--> group: ['B']
key: 'C'--> group: ['C']
key: 'A'--> group: ['A', 'A']
key: 'C'--> group: ['C']
key: 'A'--> group: ['A']
key: 'C'--> group: ['C']
key: 'A'--> group: ['A', 'A']
key: 'D'--> group: ['D']
key: 'B'--> group: ['B', 'B', 'B']

# Feature B: group all occurrences
>>> print_groupby(sorted("BCAACACAADBBB"))
key: 'A'--> group: ['A', 'A', 'A', 'A', 'A']
key: 'B'--> group: ['B', 'B', 'B', 'B']
key: 'C'--> group: ['C', 'C', 'C']
key: 'D'--> group: ['D']

# Feature C: group by a key function
>>> key = lambda x: x.islower()
>>> print_groupby(sorted("bCAaCacAADBbB"), key)
key: 'False'--> group: ['A', 'A', 'A', 'B', 'B', 'C', 'C', 'D']
key: 'True'--> group: ['a', 'a', 'b', 'b', 'c']

使用

• Anagrams ( see notebook )
• Binning
• Group odd and even numbers
• Group a list by values
• Remove duplicate elements
• Find indices of repeated elements in an array
• Split an array into n-sized chunks
• Find corresponding elements between two lists
• Compression algorithm ( 见笔记本 / Run Length Encoding
• Grouping letters by length, key function ( 见笔记本 )
• Consecutive values over a threshold ( 见笔记本 )
• Find ranges of numbers in a list 或 continuous items (见 docs )
• Find all related longest sequences
• Take consecutive sequences that meet a condition ( see related post )

注:后面的几个例子来源于Vctor Terrn的Pycon (talk) (Spanish) 《黎明功夫与伊特陶尔》。也见 子句 source code 用C语言编写。

响应

# OP: Yes, you can use `groupby`, e.g. 
[do_something(list(g)) for _, g in groupby(lxml_elements, key=criteria_func)]

另一个例子:

for key, igroup in itertools.groupby(xrange(12), lambda x: x // 5):
    print key, list(igroup)

结果在

0 [0, 1, 2, 3, 4]
1 [5, 6, 7, 8, 9]
2 [10, 11]

注意,igroup是一个迭代器(文档称之为子迭代器)。

这有助于对发电机进行分块:

def chunker(items, chunk_size):
    '''Group items in chunks of chunk_size'''
    for _key, group in itertools.groupby(enumerate(items), lambda x: x[0] // chunk_size):
        yield (g[1] for g in group)

with open('file.txt') as fobj:
    for chunk in chunker(fobj):
        process(chunk)

GroupBy的另一个示例-不排序键时。在下面的示例中,XX中的项按YY中的值分组。在这种情况下,首先输出一组零,然后输出一组一,再输出一组零。

xx = range(10)
yy = [0, 0, 0, 1, 1, 1, 0, 0, 0, 0]
for group in itertools.groupby(iter(xx), lambda x: yy[x]):
    print group[0], list(group[1])

生产:

0 [0, 1, 2]
1 [3, 4, 5]
0 [6, 7, 8, 9]

警告:

语法列表(groupby(…)将无法按预期方式工作。它似乎会破坏内部迭代器对象,因此使用

for x in list(groupby(range(10))):
    print(list(x[1]))

将产生:

[]
[]
[]
[]
[]
[]
[]
[]
[]
[9]

而不是list(groupby(…)),在groupby(…)]中尝试[(k,list(g))for k,g,或者如果经常使用该语法,

def groupbylist(*args, **kwargs):
    return [(k, list(g)) for k, g in groupby(*args, **kwargs)]

并且可以访问groupby功能,同时避免这些麻烦的(对于小数据)迭代器。

我想再举一个没有排序的GroupBy不起作用的例子。改编自詹姆斯·苏拉克的例子

from itertools import groupby

things = [("vehicle", "bear"), ("animal", "duck"), ("animal", "cactus"), ("vehicle", "speed boat"), ("vehicle", "school bus")]

for key, group in groupby(things, lambda x: x[0]):
    for thing in group:
        print "A %s is a %s." % (thing[1], key)
    print " "

输出是

A bear is a vehicle.

A duck is a animal.
A cactus is a animal.

A speed boat is a vehicle.
A school bus is a vehicle.

有两组有车辆,而一组只有一组

@我试过你的例子,但没用。

from itertools import groupby 
[(c,len(list(cs))) for c,cs in groupby('Pedro Manoel')]

输出:

[('P', 1), ('e', 1), ('d', 1), ('r', 1), ('o', 1), (' ', 1), ('M', 1), ('a', 1), ('n', 1), ('o', 1), ('e', 1), ('l', 1)]

如你所见,有两个O和两个E,但它们是分开的。这时我意识到您需要对传递给groupby函数的列表进行排序。因此,正确的用法是:

name = list('Pedro Manoel')
name.sort()
[(c,len(list(cs))) for c,cs in groupby(name)]

输出:

[(' ', 1), ('M', 1), ('P', 1), ('a', 1), ('d', 1), ('e', 2), ('l', 1), ('n', 1), ('o', 2), ('r', 1)]

只需记住,如果列表未排序,则GroupBy函数 不会工作 !

如何使用python的itertools.groupby()?

您可以使用groupby对要迭代的内容进行分组。你给groupby一个iterable和一个可选的 钥匙 函数/可调用项,用于在项从iterable出来时检查它们,它返回一个迭代器,该迭代器给出键可调用结果的两个元组和另一个iterable中的实际项。从帮助:

groupby(iterable[, keyfunc]) -> create an iterator which returns
(key, sub-iterator) grouped by each value of key(value).

下面是一个使用协程按计数分组的GroupBy示例,它使用一个键可调用(在本例中, coroutine.send )只需吐出多少次迭代的计数和元素的分组子迭代器:

import itertools


def grouper(iterable, n):
    def coroutine(n):
        yield # queue up coroutine
        for i in itertools.count():
            for j in range(n):
                yield i
    groups = coroutine(n)
    next(groups) # queue up coroutine

    for c, objs in itertools.groupby(iterable, groups.send):
        yield c, list(objs)
    # or instead of materializing a list of objs, just:
    # return itertools.groupby(iterable, groups.send)

list(grouper(range(10), 3))

印刷品

[(0, [0, 1, 2]), (1, [3, 4, 5]), (2, [6, 7, 8]), (3, [9])]

排序和分组

from itertools import groupby

val = [{'name': 'satyajit', 'address': 'btm', 'pin': 560076}, 
       {'name': 'Mukul', 'address': 'Silk board', 'pin': 560078},
       {'name': 'Preetam', 'address': 'btm', 'pin': 560076}]


for pin, list_data in groupby(sorted(val, key=lambda k: k['pin']),lambda x: x['pin']):
...     print pin
...     for rec in list_data:
...             print rec
... 
o/p:

560076
{'name': 'satyajit', 'pin': 560076, 'address': 'btm'}
{'name': 'Preetam', 'pin': 560076, 'address': 'btm'}
560078
{'name': 'Mukul', 'pin': 560078, 'address': 'Silk board'}

我遇到的一个有用的例子可能会有所帮助:

from itertools import groupby

#user input

myinput = input()

#creating empty list to store output

myoutput = []

for k,g in groupby(myinput):

    myoutput.append((len(list(g)),int(k)))

print(*myoutput)

样本输入:14445221

样品输出:(1,1)(3,4)(1,5)(2,2)(1,1)

您可以编写自己的groupby函数:

           def groupby(data):
                kv = {}
                for k,v in data:
                    if k not in kv:
                         kv[k]=[v]
                    else:
                        kv[k].append(v)
           return kv

     Run on ipython:
       In [10]: data = [('a', 1), ('b',2),('a',2)]

        In [11]: groupby(data)
        Out[11]: {'a': [1, 2], 'b': [2]}