Python：GQuery 结果集上的 DISTINCT（GQL、GAE）答案

【问题标题】：Python: DISTINCT on GQuery result set (GQL, GAE)Python：GQuery 结果集上的 DISTINCT（GQL、GAE）
【发布时间】：2010-09-19 08:23:44
【问题描述】：

假设您在 Google App Engine 数据存储区中有一个实体，为匿名用户存储链接。您想要执行以下不受支持的 SQL 查询：

SELECT DISTINCT user_hash FROM links

你可以使用：

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

如何使用Python最高效地过滤结果，从而返回一个DISTINCT结果集？如何统计 DISTINCT 结果集？

【问题讨论】：

标签： python sql google-app-engine distinct gql

【解决方案1】：

恢复这个问题以完成：

release 1.7.4 中引入了 DISTINCT 关键字。

您可以找到更新后的 GQL 参考（例如 Python）here。

【讨论】：

【解决方案2】：

一套是解决这个问题的好方法：

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

第一个答案的一个建议是，集合和字典更擅长快速检索独特的结果，列表中的成员资格是 O(n) 而其他类型的成员是 O(1)，所以如果你想存储额外的数据，或者做一些类似创建提到的unique_results列表的事情，这样做可能会更好：

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


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

【讨论】：

集合对象是不同的可散列对象的无序集合。(...) 2.4 版中的新功能。 python.org/doc/2.5.2/lib/types-set.html
记录数比较少的情况下设置是可以的。但是，如果您在数据存储中拥有数以百万计的记录，那将是非常低效的！更好的策略是在插入/更新时预先计算并存储结果。

【解决方案3】：

一种选择是将结果放入一个集合对象中：

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

结果集将仅包含传入其中的不同值。

如果做不到这一点，建立一个只包含唯一对象的新列表将起作用。比如：

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

for 循环也可以压缩为列表解析。

【讨论】：

【解决方案4】：

很抱歉提出这个问题，但在 GAE 中我无法像这样比较对象，我必须使用 .key() 进行这样的比较：

当心，这是非常低效的：

def unique_result(array):
    urk={} #unique results with key
    for c in array:
        if c.key() not in urwk:
            urk[str(c.key())]=c
    return urk.values()

如果有人有更好的解决方案，请分享。

【讨论】：

还有另一个问题询问如何在 Datastore 中执行此操作，基本答案是您不能：stackoverflow.com/questions/1183102/…。我试图就如何去规范化提出一些模糊的想法，但从那时起，最先进的技术可能已经发展了。