python - 如何将列表中类似命名的元素分组为python中的元组？答案

【问题标题】：How to group similarly named elements in a list into tuples in python?python - 如何将列表中类似命名的元素分组为python中的元组？
【发布时间】：2017-09-19 06:57:16
【问题描述】：

我已经读取了 python 列表中目录中所有文件的名称，如下所示：

files = ['ch1.txt', 'ch2.txt', 'ch3_1.txt', 'ch4_2.txt', 'ch3_2.txt', 'ch4_1.txt']

我想要做的是将相似的文件分组为列表中的元组。上面的例子应该是这样的

files_grouped = ['ch1.txt', 'ch2.txt', ('ch3_1.txt', 'ch3_2.txt'), ('ch4_1.txt', 'ch4_2.txt')]

我尝试过的一种方法是将需要分组的元素从列表中分离出来

groups = tuple([file for file in files if '_' in file])
single = [file for file in files if not '_' in file]

我会创建一个新列表，将两者都附加。但是如何创建groups 作为ch3 和ch4 的元组列表，比如[('ch3_1.txt', 'ch3_2.txt'), ('ch4_1.txt', 'ch4_2.txt')] 而不是一个大元组？

【问题讨论】：

标签： python python-3.x list tuples

【解决方案1】：

没有一个答案可以为您提供适用于任何类型文件名的通用解决方案。如果你想解决这个问题，我认为你应该使用正则表达式。

import itertools
import re

sorted_files = sorted(files, key=lambda x: re.findall('(\d+)_(\d+)', x))    
out = [list(g) for _, g in itertools.groupby(sorted_files, 
                       key=lambda x: re.search('\d+', x).group() )]

print(out)
[['ch1.txt'],
 ['ch2.txt'],
 ['ch3_1.txt', 'ch3_2.txt'],
 ['ch4_1.txt', 'ch4_2.txt']]

请注意，这适用于任何命名格式，而不仅仅是chX_X。

如果您希望输出与描述的确切格式一致，您可以进行一些额外的后期处理：

out = [o[0] if len(o) == 1 else tuple(o) for o in out]
print(out)
['ch1.txt', 'ch2.txt', ('ch3_1.txt', 'ch3_2.txt'), ('ch4_1.txt', 'ch4_2.txt')]

正则表达式详细信息

第一个正则表达式按章节和小节排序。

(       # first group 
\d+     # 1 or more digits
)
_       # literal underscore
(       # second group
\d+     # 1 or more digits
)

第二个正则表达式仅按章节章节分组 - 具有相同章节的所有章节都分组在一起。

【讨论】：

谢谢，我能够在我的代码中采用这个解决方案，它对我有用。

【解决方案2】：

您可以使用字典（或者，为了更简单地初始化 collections.defaultdict：

from collections import defaultdict
from pprint import pprint

files = ['ch1.txt', 'ch2.txt', 'ch3_1.txt', 'ch4_2.txt', 'ch3_2.txt', 'ch4_1.txt']

grouped = defaultdict(list)  # create an empty list for not existent entries

for f in files:
    key = f[:3]
    grouped[key].append(f)

pprint(grouped)

结果：

defaultdict(<class 'list'>,
            {'ch1': ['ch1.txt'],
             'ch2': ['ch2.txt'],
             'ch3': ['ch3_1.txt', 'ch3_2.txt'],
             'ch4': ['ch4_2.txt', 'ch4_1.txt']})

如果你想要你的元组列表，你可以这样做：

grouped = [tuple(l) for l in grouped.values()]

这是

[('ch1.txt',),
 ('ch2.txt',),
 ('ch3_1.txt', 'ch3_2.txt'),
 ('ch4_2.txt', 'ch4_1.txt')]

【讨论】：

【解决方案3】：

也许您可以对文件名列表进行排序，然后使用groupby() 这样做：

例如

from itertools import groupby

files = ['ch1.txt', 'ch2.txt', 'ch3_1.txt', 'ch4_2.txt', 'ch3_2.txt', 'ch4_1.txt']

print([tuple(g) for k,g in groupby(sorted(files),key=lambda x : x[:-4].split("_")[0])])

结果：

[('ch1.txt',), ('ch2.txt',), ('ch3_1.txt', 'ch3_2.txt'), ('ch4_1.txt', 'ch4_2.txt')]

希望这会有所帮助。

【讨论】：