我是否使用这种重复数据删除功能重新发明了轮子？

Question

我一直在寻找类似 @​​987654323@ 的方法来删除列表中的重复数据，但原始列表中的项目不可散列（它们是 dicts）。

我花了一段时间寻找合适的东西，最后我写了这个小函数：

def deduplicate_list(lst, key):
    output = []
    keys = []
    for i in lst:
        if not i[key] in keys:
            output.append(i)
            keys.append(i[key])

    return output

如果key 被正确给出并且是string，这个函数就可以很好地完成它的工作。不用说，如果我了解允许相同功能的内置或标准库模块，我会很乐意放弃我的小例程，转而选择更标准和更强大的选择。

你知道这样的实现吗？

--注意

以下单行found from this answer，

[dict(t) for t in set([tuple(d.items()) for d in l])]

虽然很聪明，但不会工作，因为我必须使用嵌套的 dicts 的项目。

-- 例子

为清楚起见，下面是使用此类例程的示例：

with_duplicates = [
    {
        "type": "users",
        "attributes": {
            "first-name": "John",
            "email": "john.smith@gmail.com",
            "last-name": "Smith",
            "handle": "jsmith"
        },
        "id": "1234"
    },
    {
        "type": "users",
        "attributes": {
            "first-name": "John",
            "email": "john.smith@gmail.com",
            "last-name": "Smith",
            "handle": "jsmith"
        },
        "id": "1234"
    }
]

without_duplicates = deduplicate_list(with_duplicates, key='id')

Answer 1

这个answer 将有助于解决一个更通用的问题 - 不是通过单个属性（在您的情况下为id）查找唯一元素，但如果 any 嵌套属性不同

以下代码将返回唯一元素的索引列表

import copy

def make_hash(o):

  """
  Makes a hash from a dictionary, list, tuple or set to any level, that contains
  only other hashable types (including any lists, tuples, sets, and
  dictionaries).
  """

  if isinstance(o, (set, tuple, list)):

    return tuple([make_hash(e) for e in o])    

  elif not isinstance(o, dict):

    return hash(o)

  new_o = copy.deepcopy(o)
  for k, v in new_o.items():
    new_o[k] = make_hash(v)

  return hash(tuple(frozenset(sorted(new_o.items()))))

l = [
    {
        "type": "users",
        "attributes": {
            "first-name": "John",
            "email": "john.smith@gmail.com",
            "last-name": "Smith",
            "handle": "jsmith"
        },
        "id": "1234"
    },
    {
        "type": "users",
        "attributes": {
            "first-name": "AAA",
            "email": "aaa.aaah@gmail.com",
            "last-name": "XXX",
            "handle": "jsmith"
        },
        "id": "1234"
    },
    {
        "type": "users",
        "attributes": {
            "first-name": "John",
            "email": "john.smith@gmail.com",
            "last-name": "Smith",
            "handle": "jsmith"
        },
        "id": "1234"
    },
]

# get indicies of unique elements
In [254]: list({make_hash(x):i for i,x in enumerate(l)}.values())
Out[254]: [1, 2]

Answer 2

您可以尝试基于您在问题中提供的答案链接的简短版本：

key = "id"
deduplicated = [val for ind, val in enumerate(l)
                if val[key] not in [tmp[key] for tmp in l[ind + 1:]]]
print(deduplicated)

注意，这将采用重复项的最后一个元素

Answer 3

对于key 的每个不同值，您只选择列表中的第一个dict。 itertools.groupby 是一个内置工具，可以为您做到这一点 - 按 key 排序和分组，并且只取每个组中的第一个：

from itertools import groupby

def deduplicate(lst, key):
    fnc = lambda d: d.get(key)  # more robust than d[key]
    return [next(g) for k, g in groupby(sorted(lst, key=fnc), key=fnc)]

Answer 4

在您的示例中，键返回的值是可散列的。如果总是这样，那么使用这个：

def deduplicate(lst, key):
    return list({item[key]: item for item in lst}.values())

如果有重复，只保留最后一个匹配的重复。