根据元组中的索引删除重复的元组值答案

【问题标题】：remove duplicate tuple value based on index in tuple根据元组中的索引删除重复的元组值
【发布时间】：2017-06-17 19:18:15
【问题描述】：

有没有办法根据元组中的索引删除重复的元组。说我有

[(0, 4, 1.0), (1, 4, 1.0), (3, 4, 1.0), (0, 3, 2.0), (1, 3, 2.0), (0, 2, 3.0), (1, 2, 3.0), (2, 4, 4.0), (2, 3, 5.0), (0, 1, inf)]

我可以随机保留一个元组，其中每个重复项在索引 2 处具有相同的值吗？

因此，有 3 个元组在索引 2 处具有值 1.0，两个元组在索引 2 处具有值 2.0，一个在索引 2 处具有值 3，依此类推。

因此，(0, 4, 1.0) 可能从索引 2 处的值 1.0 中随机选择，而 (1, 3, 2.0) 可能从索引 2 处的值 2.0 中随机选择。比如说，(1, 2, 3.0) 是从索引 2 处的值 3.0 中随机选择的。然后，我的列表看起来像

[(0, 4, 1.0),(1, 3, 2.0), (1, 2, 3.0), (2, 4, 4.0), (2, 3, 5.0), (0, 1, inf)]

我从来没有遇到过这样的功能，或者至少是有效的。

【问题讨论】：

输入中索引 2 处具有相同值的所有元组是否彼此相邻？如果不是，输出的正确顺序是什么？
我可以将它们排序为像上面一样

标签： python list random duplicates tuples

【解决方案1】：

您可以使用 itertools.groupby 根据索引 2 处的值对元组进行分组。然后对于每个组，您可以使用 random.choice 选择一个元组：

>>> from itertools import groupby
>>> import random
>>> l = [(0, 4, 1.0), (1, 4, 1.0), (3, 4, 1.0), (0, 3, 2.0), (1, 3, 2.0), (0, 2, 3.0), (1, 2, 3.0), (2, 4, 4.0), (2, 3, 5.0), (0, 1, float('inf'))]
>>> [random.choice(tuple(g)) for _, g in groupby(l, key=lambda x: x[2])]
[(1, 4, 1.0), (1, 3, 2.0), (1, 2, 3.0), (2, 4, 4.0), (2, 3, 5.0), (0, 1, inf)]

在上面的groupby 返回可迭代的(key, group) 元组，其中键是给groupby 的第二个参数返回的值，组是组内元素的可迭代：

>>> [(k, tuple(g)) for k, g in groupby(l, key=lambda x: x[2])]
[(1.0, ((0, 4, 1.0), (1, 4, 1.0), (3, 4, 1.0))), (2.0, ((0, 3, 2.0), (1, 3, 2.0))), (3.0, ((0, 2, 3.0), (1, 2, 3.0))), (4.0, ((2, 4, 4.0),)), (5.0, ((2, 3, 5.0),)), (inf, ((0, 1, inf),))]

由于我们不需要密钥，我们可以丢弃它并将组转换为random.choice 期望的序列：

>>> [random.choice(tuple(g)) for _, g in groupby(l, key=lambda x: x[2])]
[(1, 4, 1.0), (1, 3, 2.0), (0, 2, 3.0), (2, 4, 4.0), (2, 3, 5.0), (0, 1, inf)]

请注意，上面期望索引 2 处具有相同值的元组在输入中彼此相邻。如果不是这种情况，您可以在将原始列表传递给groupby 之前对原始列表进行相应的排序。

更新如果您只需要结果的三个第一个值，您可以使用生成器表达式而不是列表推导式并使用islice 从那里提取值：

>>> from itertools import islice
>>> gen = (random.choice(tuple(g)) for _, g in groupby(l, key=lambda x: x[2]))
>>> list(islice(gen, 3))
[(0, 4, 1.0), (1, 3, 2.0), (0, 2, 3.0)]

【讨论】：

注意：列表在与groupby一起使用之前应该根据索引2进行预排序
有没有办法提取排序列表中最低的 2 个排序值，这样您就不需要遍历每个值？
@MikeElJackson 我不确定我是否明白你在问什么。您的意思是应该从原始输入中只考虑(0, 4, 1.0), (1, 4, 1.0)（== (3, 4, 1.0) 除外）？也许您可以稍微更新一下原始问题以提供示例。
假设有一个庞大的元组列表，比如数千个，如果有重复，我希望从这个列表中随机选择 3 个最低的元组。您向我展示的代码（太棒了）让您遍历每个元素并按其分组并随机选择它。例如，您可以对 3 个最低值执行此操作，而不是按整个列表分组，因为它已经排序
所以，如果我有一千个东西的列表，我只需要对最后几项使用 for 循环，而不是遍历整个列表

【解决方案2】：

我不会在一次手术中做到这一点，尽管我确信这是可能的。

我会首先为索引2 处的每个值创建一个列表：

values_at_index_2 = {t[2] for t in data}
groups_by_value = [[t for t in data if t[2] == v] for v in values_at_index_2]

然后在每个组中选择一个元组：

import random
new_data = [random.choice(group) for group in groups_by_value]

【讨论】：