使用 Python 的列表列表的差异

Question

我有两个列表，如下所示。我知道我可以使用 set(list1)-set(list2) 或反之亦然来打印与其他相应列表不同的列表。但是，我不想打印完整的列表，我只想要列表中被修改的部分。

例如，list1：

[['Code', 'sID', 'dID', 'cID', 'ssID'], ['ABCD-00', 'ABCD-00-UNK', '358', '1234', '9999'], ['ABCD-01', 'ABCD-00-UNK', 160, '993', '587']]

列表2：

[['Code', 'sID', 'dID', 'cID', 'ssID', 'AddedColumn'], ['ABCD-00', 'ABCD-00-UNK', '358', '1234', '9999', 'AddedValue1'], ['ABCD-01', 'ABCD-00-UNK', 160, '993', 'ChangedValue', 'AddedValue2']]

如果我确实设置了差异，它会打印出整个列表。当“代码”、“sID”相同时，我希望输出仅显示不同/添加/删除的列。

每个列表列表的第一个列表是标题。所以我想在“代码”、“sID”列中的值匹配时比较列表。

期望的输出：

Added - ['AddedColumn', 'AddedValue1', 'AddedValue2']
Deleted - []
Changed - ['Code', 'ABCD-01', 'ssID', 'ChangeValue']

类似的东西或者更简单的东西也可以。

我试过的代码：

from difflib import SequenceMatcher

matcher = SequenceMatcher()
for a, b in zip(list1, list2):
    matcher.set_seqs(a, b)
    for tag, i1, i2, j1, j2 in matcher.get_opcodes():
        if tag == 'equal': continue
        print('{:>7s} {} {}'.format(tag, a[i1:i2], b[j1:j2]))

它在比较相应的列表时效果很好，即 list1 中的 sub-list1 与 list2 中的 sub-list1。但我希望它在整个列表中进行比较，因为如果缺少特定的子列表，它会打印出一切都不同。子列表是指，例如['Code', 'sID', 'dID', 'cID', 'ssID'] in list1 是 sub-list1。

Answer 1

所以 - 正如人们在 cmets 中所说，您真正应该做的是将您称为“子列表”的每组数据读入适当的对象 - 然后他们比较这些对象的属性。

例如，要坚持使用本机类型，如果“代码”和“sID”构成您的键，则每一行都可以是由您的代码和 sid 值的元组键控的字典。

但 htis 问题似乎需要自定义类 - -

鉴于上述列表之一 - 您几乎可以从以下内容开始：

class MyThing(object):
     def __init__(self, *args):
         for attrname, arg in zip(['Code', 'sID', 'dID', 'cID', 'ssID'], args):
            setattr(self, attrname, arg)

     def __hash__(self):
         # This is not needed for the OrderedDict bwellow, but allows you
         # to use sets with the objects if you want
         return hash(self.Code + self.sID)

from collections import OrderedDict
myobjs = OrderedDict()
for line in list1[1:]:
    obj = MyThing(line)
    id = obj.Code + obj.sId
    if id in myobjs:
        # do your comparisson -logging -printing stuff here
    else:
        myobjs[id] = obj

它实际上可以在没有类和对象创建部分的情况下完成 - 只需将“行”存储在字典中 - 但类使您能够以更清洁的方式做很多事情。复杂的__init__ 只是为了避免重复很多self.sId = sId 行的简写。

Answer 2

这是我的基本解释。 OP 对他们想要的 changed 列表不太清楚 - 所以他们应该更具体地更新他们的要求。正如 jsbueno 建议的那样，dict 可能会更好 - 这真的取决于，如果它是它的格式，列表会更便宜。

added = []
deleted = []
changed = []
for  sub_l1, sub_l2 in zip(l1, l2): 
    for i in range(min(len(sub_l1), len(sub_l2))): 
        if sub_l1[i] != sub_l2[i]: 
            changed.append(sub_l2[i])
    if len(sub_l2) > len(sub_l1): 
        added.append(sub_l2[len(sub_l1):len(sub_l2)])
    elif len(sub_l1) > len(sub_l2):
        deleted.append(sub_l1[len(sub_l2):len(sub_l1)])

样本输出：

In [66]: added
Out[66]: [['AddedColumn'], ['AddedValue1'], ['AddedValue2']]
In [67]: deleted
Out[67]: []
In [68]: changed
Out[68]: ['ChangedValue'] 

请注意，changed 不会告诉您更改了哪个值，通常您可能需要一个包含 CSV 子列表和列号的元组。