haskell中python groupby的模拟

Question

在python中有groupby函数。

它的类型可以像这样用haskell表示groupby :: a->b->[a]->[(b, [a])] 因为它需要对数据进行排序，我们可以将其运行时间视为O(n*log(n))。

我可能不是唯一对此不满意的人，所以我找到了这个library groupby 的这种实现需要对输入序列进行两次传递。所以我认为它的运行时间是O(n)，但正如它在文档中所说的那样，它并不是真的懒惰，因为如果你不将密钥传递给它，它需要进行传递序列以从项目中收集所有唯一密钥.

所以我想，引用雷蒙德·赫廷格的话

一定有更好的办法！

所以我写了这个

from collections import defaultdict, deque


def groupby(sequence, key=lambda x: x):
    buffers = defaultdict(deque)
    kvs = ((key(item), item) for item in sequence)
    seen_keys = set()
    def subseq(k):
        while True:
            buffered = buffers[k]
            if buffered:
                yield buffered.popleft()
            else:
                next_key, value = next(kvs)
                buffers[next_key].append(value)
    while True:
        try:
            k, value = next(kvs)
        except StopIteration:
            for bk, group in buffers.items():
                if group and bk not in seen_keys:
                    yield (bk, group)
            raise StopIteration()
        else:
            buffers[k].append(value)
        if k not in seen_keys:
            seen_keys.add(k)
            yield k, subseq(k)

如果您不熟悉 python，这个想法很简单。 创建key -> queue of elements的可变字典 尝试获取序列的下一个元素及其键值。 如果序列不为空，则根据其键将此值添加到组队列中。如果我们没有看到这个键产生一对 (key, iterable group)，后者会从缓冲区或序列中获取键。如果我们已经看到这个，这个键什么也不做，然后循环。

如果序列结束，则意味着它的所有元素都已经放入缓冲区（并且可能已被消耗）。如果缓冲区不为空，我们将对其进行迭代并产生重命名（键，可迭代）对。

我已经对它及其工作进行了单元测试。而且它真的很懒（意味着它不会从序列中获取任何价值，直到消费者没有要求它），它的运行时间应该是O(n)。

我试过用haskell模拟这个函数，但没有找到。

可以在haskell中写这样的东西吗？如果是，请给出解决方案，如果不是，请解释原因。

Answer 1

如果我理解正确的话，你想要的类型是

(a -> k) -> [a] -> [(k, [a])]

即给定一个键函数和一个项目列表，按键对项目进行分组。

在 Haskell 中有一个库函数 groupBy 可以做类似的事情。它假定您有一个排序列表，并将满足布尔条件的项目分组到子列表中。我们可以用它来做你想做的事：

import Data.List
import Data.Ord

groupByKey :: (a -> k) -> [a] -> [(k, [a])]
groupByKey keyF xs = map getResult groups
   where
      keyPairs = map (\v -> (keyF v, v)) xs
      groups = groupBy (\v1 v2 -> fst v1 == fst v2) 
                  $ sortBy (comparing fst) keyPairs
      getResult xs = (fst $ head xs, map snd xs)

keyPairs 是参数中每个元素的 (key, value) 对。 groups 首先使用sortBy 将其排序为键顺序，然后将结果分组到共享相同键的子列表中。 getResult 将子列表转换为包含键（取自头元素）和原始值列表的对。 我们可以安全地使用head，因为groupBy 从不提供空子列表。