如何在可迭代对象元素中使用itertools.groupby的键值？

Question

为了说明这个问题，我先从一个包含二元组的列表开始：

import itertools
import operator

raw = [(1, "one"),
       (2, "two"),
       (1, "one"),
       (3, "three"),
       (2, "two")]

for key, grp in itertools.groupby(raw, key=lambda item: item[0]):
    print key, list(grp).pop()[1]

得到的结果是：

1 one
2 two
1 one
3 three
2 two

我想调查一下为什么会这样：

for key, grp in itertools.groupby(raw, key=lambda item: item[0]):
    print key, list(grp)

# ---- OUTPUT ----
1 [(1, 'one')]
2 [(2, 'two')]
1 [(1, 'one')]
3 [(3, 'three')]
2 [(2, 'two')]

即使这样做也会给我相同的输出：

for key, grp in itertools.groupby(raw, key=operator.itemgetter(0)):
    print key, list(grp)

我想得到类似这样的结果：

1 one, one
2 two, two
3 three

我在想，这可能是因为关键字在列表中的元组里，而实际上这个元组是作为一个整体在移动。有没有办法得到我想要的输出？也许 groupby() 并不适合这个任务？

Answer 1

来自文档：

groupby()的操作方式和Unix中的uniq过滤器很像。每当关键函数的值发生变化时，它就会生成一个新的分组（这就是为什么通常需要先用相同的关键函数对数据进行排序）。这种行为和SQL中的GROUP BY不同，后者会聚合相同的元素，而不管它们的输入顺序。

因为你反正是按字典顺序对元组进行排序的，所以你可以直接调用sorted：

for key, grp in itertools.groupby( sorted( raw ), key = operator.itemgetter( 0 ) ):
    print( key, list( map( operator.itemgetter( 1 ), list( grp ) ) ) )

Answer 2

我觉得有一个更简单的方法可以得到你想要的结果。

>>> from collections import defaultdict
>>> d=defaultdict(list)
>>> for k,v in raw:
...  d[k].append(v)
... 
>>> for k,v in sorted(d.items()):
...  print k, v
... 
1 ['one', 'one']
2 ['two', 'two']
3 ['three']

构建 d 的时间复杂度是 O(n)，而现在 sorted() 只是在唯一的键上进行排序，而不是在整个数据集上。

Answer 3

groupby 是一个功能，它可以把一个可迭代的对象中相邻的、具有相同关键字的元素聚集在一起。要得到你想要的结果，首先需要对 raw 进行排序。

for key, grp in itertools.groupby(sorted(raw), key=operator.itemgetter(0)):
    print key, map(operator.itemgetter(1), grp)

# 1 ['one', 'one']
# 2 ['two', 'two']
# 3 ['three']