如何使用itertools.groupby（）？

我还没有找到关于如何实际使用Python itertools.groupby()函数的可理解的解释。我想做的是这样的：

• 列出一个列表-在这种情况下，是对象化lxml元素的子元素
• 根据一些标准将其分为几组
• 然后，稍后分别遍历每个组。

我已经阅读了文档和示例，但是尝试将它们应用于简单的数字列表之外时遇到了麻烦。

那么，我该如何使用itertools.groupby()？我应该使用另一种技术吗？指向良好“前提”阅读的指针也将受到赞赏。

重要说明：您必须先对数据进行排序。

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是当前的分组密钥，并且g是一个迭代器，您可以用来迭代该分组密钥定义的组。换句话说，groupby迭代器本身返回迭代器。

这是使用更清晰的变量名的示例：

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：

熊是动物。
鸭子是动物。

仙人掌是植物。

快艇是车辆。
校车是车辆。

在此示例中，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。

该groupby()函数有两个参数：（1）要分组的数据和（2）将数据分组的函数。

在这里，lambda x: x[0]告诉groupby()使用每个元组中的第一项作为分组键。

在上面的for语句中，groupby返回三个（键，组迭代器）对-每个唯一键一次。您可以使用返回的迭代器来迭代该组中的每个单个项目。

这是一个使用列表推导的具有相同数据的稍微不同的示例：

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。

Python文档上的示例非常简单：

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

因此，在您的情况下，数据是节点列表，keyfunc准则功能的逻辑将在此进行然后groupby()对数据进行分组。

在致电之前，您必须小心按照条件对数据进行排序，groupby否则它将无法正常工作。groupby方法实际上只是遍历列表，并且每当键更改时，它都会创建一个新组。

itertools.groupby 是用于分组项目的工具。

从文档中，我们进一步了解了它的作用：

# [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 对象产生密钥组对，其中组是生成器。

特征

• A.将连续的项目组合在一起
• B.归因于可迭代项，将某项的所有出现分组
• C.指定如何使用按键功能 对项目进行分组^*

比较

# Define a printer for comparing outputs
>>> def print_groupby(iterable, keyfunc=None):
...    for k, g in it.groupby(iterable, keyfunc):
...        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
>>> # keyfunc = lambda s: s.islower()                      # equivalent
>>> def keyfunc(s):
...     """Return a True if a string is lowercase, else False."""   
...     return s.islower()
>>> print_groupby(sorted("bCAaCacAADBbB"), keyfunc)
key: 'False'--> group: ['A', 'A', 'A', 'B', 'B', 'C', 'C', 'D']
key: 'True'--> group: ['a', 'a', 'b', 'b', 'c']

用途

• 字谜（请参阅笔记本）
• 装箱
• 组奇数和偶数
• 按值分组列表
• 删除重复的元素
• 查找数组中重复元素的索引
• 将数组拆分为n个大小的块
• 在两个列表之间找到对应的元素
• 压缩算法（请参阅笔记本）/ 行程编码
• 按长度分组字母，按键功能（请参阅笔记本）
• 连续值超过阈值（请参阅笔记本）
• 在列表或连续项目中查找数字范围（请参阅docs）
• 查找所有相关的最长序列
• 取得满足条件的连续序列（请参阅相关文章）

注意：后面的几个示例来自VíctorTerrón的PyCon （谈话） （西班牙语），“黎明时的功夫与Itertools”。另请参见用C编写的groupby源代码。

^{*传递和比较所有项目，影响结果的功能。按键功能的对象包括 sorted()，max()和min()。}

响应

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

groupby的一个绝妙技巧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2元组的列表，其中第一个元素是char，第二个是重复数。

编辑：请注意，这是itertools.groupby与SQL GROUP BY语义分离的内容：itertools不会（通常不能）事先对迭代器进行排序，因此不会合并具有相同“键”的组。

另一个例子：

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

结果是

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

请注意，igroup是一个迭代器（文档中称为子迭代器）。

这对于分块生成器很有用：

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-不对键进行排序时。在以下示例中，xx中的项目按yy中的值分组。在这种情况下，首先输出一组零，然后输出一组零，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])

产生：

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

警告：

语法列表（groupby（...））不能按您期望的方式工作。似乎破坏了内部迭代器对象，因此使用

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

将产生：

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

代替list（groupby（...）），尝试[[k，list（g））for groupby（...）中的k，g，或者如果您经常使用该语法，

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

并访问了groupby功能，同时避免了那些讨厌的（对于小数据）迭代器。

我想再举一个没有排序的groupby无法正常工作的例子。改编自James Sulak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.

有两组带有车辆的车辆，而一个可以预期只有一组

@CaptSolo，我尝试了您的示例，但没有成功。

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)]

如您所见，有两个o和两个e，但是它们分成不同的组。从那时起，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)]

请记住，如果列表未排序，groupby函数将无法工作！

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'}

如何使用Python的itertools.groupby（）？

您可以使用groupby对事物进行分组以进行迭代。您为groupby提供了一个可迭代的对象，以及一个可选的键函数/可调用对象，通过它可以检查从可迭代对象中出来的项，然后返回一个迭代器，该迭代器给出了可调用键和实际项的结果的二元组。另一个可迭代的。从帮助中：

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

这是一个使用协程对计数进行分组的groupby示例，它使用可调用的键（在这种情况下为coroutine.send）来吐出计数，无论迭代多少次，以及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))

版画

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

我遇到的一个有用的示例可能会有所帮助：

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)

输入样本：14445221

样本输出：（1,1）（3,4）（1,5）（2,2）（1,1）

这个基本的实现帮助我理解了此功能。希望它也能帮助其他人：

arr = [(1, "A"), (1, "B"), (1, "C"), (2, "D"), (2, "E"), (3, "F")]

for k,g in groupby(arr, lambda x: x[0]):
    print("--", k, "--")
    for tup in g:
        print(tup[1])  # tup[0] == k

-- 1 --
A
B
C
-- 2 --
D
E
-- 3 --
F

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]}