一文详解Python如何优雅地对数据进行分组

wwuc

假设我们有这样一种数据：

1. data = [
   
2.     ("apple", 30), ("apple", 35),
   
3.     ("apple", 32), ("pear", 60),
   
4.     ("pear", 32), ("pear", 60),
   
5.     ("banana", 102), ("banana", 104)
   
6. ]
   
7. 
   
8. # 我们希望变成如下格式
   
9. """
   
10. [('apple', [30, 35, 32]), 
    
11.  ('pear', [60, 32, 60]), 
    
12.  ('banana', [102, 104])]
    
13. """

复制代码

如果是你的话，你会怎么做呢？很容易想到的一种解决方案是构造一个字典：

1. data = [
   
2.     ("apple", 30), ("apple", 35),
   
3.     ("apple", 32), ("pear", 60),
   
4.     ("pear", 32), ("pear", 60),
   
5.     ("banana", 102), ("banana", 104)
   
6. ]
   
7. 
   
8. data_dict = {}
   
9. for name, count in data:
   
10.     if name not in data_dict:
    
11.         data_dict[name] = []
    
12.     data_dict[name].append(count)
    
13. print(data_dict)
    
14. """
    
15. {'apple': [30, 35, 32], 
    
16.  'pear': [60, 32, 60], 
    
17.  'banana': [102, 104]}
    
18. """
    
19. print(list(data_dict.items()))
    
20. """
    
21. [('apple', [30, 35, 32]), 
    
22.  ('pear', [60, 32, 60]), 
    
23.  ('banana', [102, 104])]
    
24. """

复制代码

这种方案完全没有问题，不外我们还可以写的更优雅一些，也就是使用字典的 setdefault 方法：

1. data = [
   
2.     ("apple", 30), ("apple", 35),
   
3.     ("apple", 32), ("pear", 60),
   
4.     ("pear", 32), ("pear", 60),
   
5.     ("banana", 102), ("banana", 104)
   
6. ]
   
7. 
   
8. data_dict = {}
   
9. for name, count in data:
   
10.     # setdefault(k, v) 含义如下
    
11.     # 当 k 不存在时，将 k: v 设置在字典中，并返回 v
    
12.     # 当 k 存在时，直接返回 k 对应值
    
13.     data_dict.setdefault(name, []).append(count)
    
14. 
    
15. print(list(data_dict.items()))
    
16. """
    
17. [('apple', [30, 35, 32]), 
    
18.  ('pear', [60, 32, 60]), 
    
19.  ('banana', [102, 104])]
    
20. """

复制代码

setdefault 是一个非常方便的方法，但是使用频率却不怎么高，或者说该方法不太让人喜欢。主要是每次调用都要给一个初始值，好比代码中的空列表 []。另外这里的初始值可以任意，如果你希望添加的时候还能实现去重效果，那么就将空列表换成空集合即可。
或者我们还可以使用 defaultdict，它位于 collections 模块中。

1. from collections import defaultdict
   
2. 
   
3. data = [
   
4.     ("apple", 30), ("apple", 35),
   
5.     ("apple", 32), ("pear", 60),
   
6.     ("pear", 32), ("pear", 60),
   
7.     ("banana", 102), ("banana", 104)
   
8. ]
   
9. 
   
10. # 里面接收一个 callable
    
11. # 当访问的 k 不存在时，返回 callable 调用之后的值
    
12. data_dict1 = defaultdict(list)
    
13. for name, count in data:
    
14.     data_dict1[name].append(count)
    
15. 
    
16. print(list(data_dict1.items()))
    
17. """
    
18. [('apple', [30, 35, 32]), 
    
19.  ('pear', [60, 32, 60]), 
    
20.  ('banana', [102, 104])]
    
21. """
    
22. 
    
23. # 也可以指定为 set
    
24. data_dict2 = defaultdict(set)
    
25. for name, count in data:
    
26.     data_dict2[name].add(count)
    
27. 
    
28. print(list(data_dict2.items()))
    
29. """
    
30. [('apple', {32, 35, 30}), 
    
31.  ('pear', {32, 60}), 
    
32.  ('banana', {104, 102})]
    
33. """

复制代码

总的来说，defaultdict 和字典的 setdefault 方法非常类似，我们使用 setdefault 即可。
当然啦，关于分组，还有一种特殊情况，就是词频统计。假设我们想统计可迭代对象中，每个元素出现的次数该怎么做呢？

1. data = ["apple", "apple", "apple",
   
2.         "pear", "pear", "pear",
   
3.         "banana", "banana"]
   
4. 
   
5. data_dict = {}
   
6. for item in data:
   
7.     # 此处不能使用 setdefault，因为它是函数
   
8.     # .setdefault(item, 0) += 1 是不符合语法规则的
   
9.     if item not in data_dict:
   
10.         data_dict[item] = 0
    
11.     data_dict[item] += 1
    
12. 
    
13. print(data_dict)
    
14. """
    
15. {'apple': 3, 'pear': 3, 'banana': 2}
    
16. """
    
17. 
    
18. # 或者使用 defaultdict
    
19. from collections import defaultdict
    
20. data_dict = defaultdict(int)
    
21. for item in data:
    
22.     data_dict[item] += 1
    
23. print(data_dict)
    
24. """
    
25. defaultdict(<class 'int'>, 
    
26.             {'apple': 3, 'pear': 3, 'banana': 2})
    
27. """

复制代码

然而说到词频统计，我们还可以使用 collections 下的 Counter 类。

1. from collections import Counter
   
2. 
   
3. data = ["apple", "apple", "apple",
   
4.         "pear", "pear", "pear",
   
5.         "banana", "banana"]
   
6. 
   
7. data_dict = Counter(data)
   
8. # 直接搞定，Counter 已经包含了我们之前的逻辑
   
9. print(data_dict)
   
10. """
    
11. Counter({'apple': 3, 'pear': 3, 'banana': 2})
    
12. """
    
13. # Counter 继承 dict，除了支持字典操作之外
    
14. # 还提供了很多其它操作，其中一个就是 most_common
    
15. # 用于选择出现频率最高的几个元素
    
16. print(data_dict.most_common(2))
    
17. """
    
18. [('apple', 3), ('pear', 3)]
    
19. """

复制代码

还是很简单的。
到此这篇关于一文详解Python如何优雅地对数据进行分组的文章就介绍到这了,更多相关Python数据分组内容请搜索趣UU以前的文章或继续浏览下面的相关文章希望大家以后多多支持趣UU！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！