Группа Python по

Предположим, что у меня есть набор пар данных, где индекс 0 - это значение, а индекс 1 - это тип:

input = [
          ('11013331', 'KAT'), 
          ('9085267',  'NOT'), 
          ('5238761',  'ETH'), 
          ('5349618',  'ETH'), 
          ('11788544', 'NOT'), 
          ('962142',   'ETH'), 
          ('7795297',  'ETH'), 
          ('7341464',  'ETH'), 
          ('9843236',  'KAT'), 
          ('5594916',  'ETH'), 
          ('1550003',  'ETH')
        ]

Я хочу сгруппировать их по типу (по 1-й индексированной строке) как таковые:

result = [ 
           { 
             type:'KAT', 
             items: ['11013331', '9843236'] 
           },
           {
             type:'NOT', 
             items: ['9085267', '11788544'] 
           },
           {
             type:'ETH', 
             items: ['5238761', '962142', '7795297', '7341464', '5594916', '1550003'] 
           }
         ] 

Как я могу добиться этого эффективным способом?

Сделайте это за 2 шага. Сначала создайте словарь.

>>> input = [('11013331', 'KAT'), ('9085267', 'NOT'), ('5238761', 'ETH'), ('5349618', 'ETH'), ('11788544', 'NOT'), ('962142', 'ETH'), ('7795297', 'ETH'), ('7341464', 'ETH'), ('9843236', 'KAT'), ('5594916', 'ETH'), ('1550003', 'ETH')]
>>> from collections import defaultdict
>>> res = defaultdict(list)
>>> for v, k in input: res[k].append(v)
...

Затем преобразуйте этот словарь в ожидаемый формат.

>>> [{'type':k, 'items':v} for k,v in res.items()]
[{'items': ['9085267', '11788544'], 'type': 'NOT'}, {'items': ['5238761', '5349618', '962142', '7795297', '7341464', '5594916', '1550003'], 'type': 'ETH'}, {'items': ['11013331', '9843236'], 'type': 'KAT'}]

Это также возможно с помощью itertools.groupby, но для этого требуется сначала отсортировать ввод.

>>> sorted_input = sorted(input, key=itemgetter(1))
>>> groups = groupby(sorted_input, key=itemgetter(1))
>>> [{'type':k, 'items':[x[0] for x in v]} for k, v in groups]
[{'items': ['5238761', '5349618', '962142', '7795297', '7341464', '5594916', '1550003'], 'type': 'ETH'}, {'items': ['11013331', '9843236'], 'type': 'KAT'}, {'items': ['9085267', '11788544'], 'type': 'NOT'}]

Обратите внимание, что в обоих случаях не соблюдается исходный порядок клавиш. Вам понадобится OrderedDict, если вам нужно сохранить порядок.

>>> from collections import OrderedDict
>>> res = OrderedDict()
>>> for v, k in input:
...   if k in res: res[k].append(v)
...   else: res[k] = [v]
... 
>>> [{'type':k, 'items':v} for k,v in res.items()]
[{'items': ['11013331', '9843236'], 'type': 'KAT'}, {'items': ['9085267', '11788544'], 'type': 'NOT'}, {'items': ['5238761', '5349618', '962142', '7795297', '7341464', '5594916', '1550003'], 'type': 'ETH'}]

Встроенный itertoolsмодуль Python на самом деле имеет groupbyфункцию, но для этого элементы, которые нужно сгруппировать, должны быть сначала отсортированы таким образом, чтобы элементы, которые нужно сгруппировать, были смежными в списке:

from operator import itemgetter
sortkeyfn = itemgetter(1)
input = [('11013331', 'KAT'), ('9085267', 'NOT'), ('5238761', 'ETH'), 
 ('5349618', 'ETH'), ('11788544', 'NOT'), ('962142', 'ETH'), ('7795297', 'ETH'), 
 ('7341464', 'ETH'), ('9843236', 'KAT'), ('5594916', 'ETH'), ('1550003', 'ETH')] 
input.sort(key=sortkeyfn)

Теперь ввод выглядит так:

[('5238761', 'ETH'), ('5349618', 'ETH'), ('962142', 'ETH'), ('7795297', 'ETH'),
 ('7341464', 'ETH'), ('5594916', 'ETH'), ('1550003', 'ETH'), ('11013331', 'KAT'),
 ('9843236', 'KAT'), ('9085267', 'NOT'), ('11788544', 'NOT')]

groupbyвозвращает последовательность из двух кортежей формы (key, values_iterator). Мы хотим превратить это в список dicts, где 'type' является ключом, а 'items' - это список 0-х элементов кортежей, возвращаемых values_iterator. Как это:

from itertools import groupby
result = []
for key,valuesiter in groupby(input, key=sortkeyfn):
    result.append(dict(type=key, items=list(v[0] for v in valuesiter)))

Теперь resultсодержит желаемый диктат, как указано в вашем вопросе.

Однако вы можете подумать о том, чтобы просто сделать из этого один диктант с ключом по типу и каждым значением, содержащим список значений. В вашей текущей форме, чтобы найти значения для определенного типа, вам придется перебирать список, чтобы найти dict, содержащий соответствующий ключ type, а затем получить из него элемент items. Если вы используете одиночный dict вместо списка dict из 1 элемента, вы можете найти элементы для определенного типа с помощью поиска с одним ключом в главном dict. При использовании groupbyэто будет выглядеть так:

result = {}
for key,valuesiter in groupby(input, key=sortkeyfn):
    result[key] = list(v[0] for v in valuesiter)

resultтеперь содержит этот dict (он похож на промежуточный resdefaultdict в ответе @ KennyTM):

{'NOT': ['9085267', '11788544'], 
 'ETH': ['5238761', '5349618', '962142', '7795297', '7341464', '5594916', '1550003'], 
 'KAT': ['11013331', '9843236']}

(Если вы хотите сократить это до однострочника, вы можете:

result = dict((key,list(v[0] for v in valuesiter)
              for key,valuesiter in groupby(input, key=sortkeyfn))

или используя новомодную форму понимания слов:

result = {key:list(v[0] for v in valuesiter)
              for key,valuesiter in groupby(input, key=sortkeyfn)}

Еще мне понравилась простая группировка панд . это мощный, простой и наиболее подходящий для большого набора данных

result = pandas.DataFrame(input).groupby(1).groups

Этот ответ аналогичен ответу @ PaulMcG, но не требует сортировки ввода.

Для тех, кто занимается функциональным программированием, groupByможет быть записано в одну строку (не включая импорт!), И, в отличие от itertools.groupbyэтого, не требует сортировки ввода:

from functools import reduce # import needed for python3; builtin in python2
from collections import defaultdict

def groupBy(key, seq):
 return reduce(lambda grp, val: grp[key(val)].append(val) or grp, seq, defaultdict(list))

(Причина ... or grpв lambdaтом , что для этого reduce()на работу, то lambdaдолжен возвращать свой первый аргумент, потому что list.append()всегда возвращает всегда будет возвращать . Т.е. это хак , чтобы обойти ограничение питона , что лямбда может оценивать только одно выражение.)Noneorgrp

Это возвращает dict, ключи которого находятся путем вычисления данной функции, а значениями являются список исходных элементов в исходном порядке. Для примера OP вызов this as groupBy(lambda pair: pair[1], input)вернет этот dict:

{'KAT': [('11013331', 'KAT'), ('9843236', 'KAT')],
 'NOT': [('9085267', 'NOT'), ('11788544', 'NOT')],
 'ETH': [('5238761', 'ETH'), ('5349618', 'ETH'), ('962142', 'ETH'), ('7795297', 'ETH'), ('7341464', 'ETH'), ('5594916', 'ETH'), ('1550003', 'ETH')]}

И в соответствии с ответом @ PaulMcG запрошенный формат OP можно найти, обернув его в понимание списка. Итак, это сделает это:

result = {key: [pair[0] for pair in values],
          for key, values in groupBy(lambda pair: pair[1], input).items()}

Следующая функция быстро ( без сортировки ) группирует кортежи любой длины по ключу с любым индексом:

# given a sequence of tuples like [(3,'c',6),(7,'a',2),(88,'c',4),(45,'a',0)],
# returns a dict grouping tuples by idx-th element - with idx=1 we have:
# if merge is True {'c':(3,6,88,4),     'a':(7,2,45,0)}
# if merge is False {'c':((3,6),(88,4)), 'a':((7,2),(45,0))}
def group_by(seqs,idx=0,merge=True):
    d = dict()
    for seq in seqs:
        k = seq[idx]
        v = d.get(k,tuple()) + (seq[:idx]+seq[idx+1:] if merge else (seq[:idx]+seq[idx+1:],))
        d.update({k:v})
    return d

В случае вашего вопроса индекс ключа, который вы хотите сгруппировать, равен 1, поэтому:

group_by(input,1)

дает

{'ETH': ('5238761','5349618','962142','7795297','7341464','5594916','1550003'),
 'KAT': ('11013331', '9843236'),
 'NOT': ('9085267', '11788544')}

что не совсем то, что вы просили, но вполне может удовлетворить ваши потребности.

result = []
# Make a set of your "types":
input_set = set([tpl[1] for tpl in input])
>>> set(['ETH', 'KAT', 'NOT'])
# Iterate over the input_set
for type_ in input_set:
    # a dict to gather things:
    D = {}
    # filter all tuples from your input with the same type as type_
    tuples = filter(lambda tpl: tpl[1] == type_, input)
    # write them in the D:
    D["type"] = type_
    D["itmes"] = [tpl[0] for tpl in tuples]
    # append D to results:
    result.append(D)

result
>>> [{'itmes': ['9085267', '11788544'], 'type': 'NOT'}, {'itmes': ['5238761', '5349618', '962142', '7795297', '7341464', '5594916', '1550003'], 'type': 'ETH'}, {'itmes': ['11013331', '9843236'], 'type': 'KAT'}]