Python：GQuery结果集上使用DISTINCT（GQL，GAE）

Question

想象一下，你在Google App Engine的数据库里有一个存储匿名用户链接的实体。你想执行一个SQL查询，但这个查询是数据库不支持的。

SELECT DISTINCT user_hash FROM links

不过，你可以使用其他方法：

user = db.GqlQuery("SELECT user_hash FROM links")

那么，如何用Python最有效地过滤结果，以便返回不重复的结果集呢？还有，怎么计算这个不重复的结果集的数量呢？

Answer 1

一种选择是把结果放到一个集合对象里：

http://www.python.org/doc/2.6/library/sets.html#sets.Set

这个集合只会包含你放进去的不同的值。

如果不行的话，可以创建一个新的列表，只包含独特的对象。可以像这样：

unique_results = []
for obj in user:
    if obj not in unique_results:
        unique_results.append(obj)

那个 for 循环也可以简化成一个列表推导式。

Answer 2

为了完整性，我来重新提一下这个问题：

DISTINCT这个关键词是在1.7.4版本中引入的。

你可以在这里找到更新后的GQL参考资料（比如Python的部分）。

Answer 3

使用集合（set）是处理这个问题的好方法：

>>> a = ['google.com', 'livejournal.com', 'livejournal.com', 'google.com', 'stackoverflow.com']
>>> b = set(a)
>>> b
set(['livejournal.com', 'google.com', 'stackoverflow.com'])
>>> 

关于第一个答案，有一个建议是，集合和字典在快速获取唯一结果方面表现更好。因为在列表中查找某个元素的时间复杂度是O(n)，而在集合和字典中则是O(1)。这意味着如果你想存储额外的数据，或者想创建提到的unique_results列表，使用集合可能会更好，像这样做：

unique_results = {}
>>> for item in a:
    unique_results[item] = ''


>>> unique_results
{'livejournal.com': '', 'google.com': '', 'stackoverflow.com': ''}