【问题标题】:Is it possible to extract intersection list that contains duplicate values?是否可以提取包含重复值的交集列表?
【发布时间】:2019-02-24 08:49:30
【问题描述】:

我想得到一个没有消除重复的列表的交集。 我希望该方法是一种不使用循环的快速方法。 以下是我的尝试,但此方法失败了,因为已删除重复项。

a = ['a','b','c','f']
b = ['a','b','b','o','k']

tmp = list(set(a) & set(b))
>>>tmp
>>>['b','a']

我希望结果是['a', 'b', 'b']。

在此方法中,'a' 是固定值,'b' 是可变值。

还有从'b'中提取'a'值的概念。

有没有办法提取不删除重复值的交叉值列表?

【问题讨论】:

  • 集合操作将列表视为集合并删除所有重复项。
  • @Austin 不会在 a 中包含重复项
  • 致 Ṁữŀlɪgắnậcễơưṩ ᛗ 我认为这是正确的。我不擅长写英文。对此我深表歉意。
  • to Ṁữŀlɪgắnậcễơưṩ ᛗ ㄴ如果你有关于你所说的方式的文件,你能给我一个链接吗?
  • 这段代码是复杂函数的一部分,需要计算的数据很多,所以希望循环越少越好。如果没有其他方法,请提出一种使用最少循环数的方法。

标签: python list set intersection


【解决方案1】:

解决办法是

good = set(a)
result = [x for x in b if x in good]

这里有两个循环;一个是 set 的集合构建循环(用 C 实现,比 Python 中的任何操作都快一百倍),另一个是理解并在解释器中运行。 第一个循环是为了避免在a 中对b 的每个元素进行线性搜索(如果a 变大,这可能是一个严重的问题)。

请注意,使用filter 可能不会获得太多(如果有的话),因为尽管filter 循环在C 中,但对于每个元素,它都必须返回解释器以调用过滤函数。

请注意,如果您关心速度,那么 Python 可能不是一个好的选择……例如,在这里 PyPy 可能会更好,在这种情况下,只需明确地编写一个最佳算法就可以了(避免重新搜索 @987654328 @ 表示在b 中连续出现的重复项,就像您的示例中发生的那样)

good = set(a)
res = []
i = 0
while i < len(b):
    x = b[i]
    if x in good:
        while i < len(b) and b[i] == x:  # is?
            res.append(x)
            i += 1
    else:
        i += 1

当然,在性能优化中,唯一真正的方法是尝试使用真实系统上的真实数据进行测量……随着技术的进步和变得越来越复杂,猜测越来越少。

【讨论】:

    【解决方案2】:

    如果您坚持不使用for 明确,那么这将起作用:

    >>> list(filter(a.__contains__, b))
    ['a', 'b', 'b']
    

    但据我所知,直接调用 __contains__ 之类的魔术方法并不是推荐的做法,因此请考虑以下做法:

    >>> list(filter(lambda x: x in a, b))
    ['a', 'b', 'b']
    

    如果您想将a 中的查找从O(n) 改进为O(1),那么首先创建一个set:

    >>> a_set = set(a)
    >>> list(filter(lambda x: x in a_set, b))
    ['a', 'b', 'b']
    

    【讨论】:

      【解决方案3】:
      >>a = ['a','b','c','f']
      >>b = ['a','b','b','o','k']
      >>items = set(a)
      >>found = [i for i in b if i in items]
      >>items
      {'f', 'a', 'c', 'b'}
      >>found
      ['a', 'b', 'b']
      

      这应该可以完成您的工作。

      【讨论】:

      • 我认为您的意思是[i for i in b if i in items] 在集合中使用快速成员资格测试。
      【解决方案4】:

      我猜它并不比循环快,最后你可能仍然需要一个循环来提取结果。总之……

      from collections import Counter
      
      a = ['a','a','b','c','f']
      b = ['a','b','b','o','k']
      
      count_b = Counter(b)
      count_ab = Counter(set(b)-set(a))
      count_b - count_ab
      
      #=> Counter({'a': 1, 'b': 2})
      


      我的意思是,如果res 持有结果,您需要:
      [ val for sublist in [ [s] * n for s, n in res.items() ] for val in sublist ]
      #=> ['a', 'b', 'b']
      

      【讨论】:

        【解决方案5】:

        不清楚在执行包含重复元素的列表交集时如何处理重复,因为您只给出了一个测试用例及其预期结果,并且您没有解释重复处理。

        根据目前保持重复的工作方式,公共元素是'a'和'b',交集列表列出了重数为1的'a'和重数为2的'b'。注意'a'在两者上都出现一次列出 a 和 b,但 'b' 在 b 上出现两次。交集列表列出的公共元素的重数等于该元素的重数为最大的列表。

        答案是是的。但是,可能会隐式调用循环 - 尽管您希望代码不显式使用任何循环语句。但是,此算法将始终是迭代的。

        第 1 步:创建不包含重复项的交集 Intersect(您已经这样做了)。转换为列表以保持索引。

        第 2 步:创建第二个数组 IntersectD。创建一个新变量Freq,使用count 计算该公共元素的最大出现次数。使用Intersect 和Freq 附加元素Intersect[k] 的次数取决于其对应的Freq[k]。

        一个包含 3 个列表的示例代码是

        a = ['a','b','c','1','1','1','1','2','3','o']
        b = ['a','b','b','o','1','o','1']
        c = ['a','a','a','b','1','2']
        
        intersect = list(set(a) & set(b) & set(c)) # 3-set case
        intersectD = []
        
        for k in range(len(intersect)):
          cmn = intersect[k]
          freq = max(a.count(cmn), b.count(cmn), c.count(cmn)) # 3-set case
          for i in range(freq): # Can be done with itertools
            intersectD.append(cmn)
        
        >>> intersectD
        >>> ['b', 'b', 'a', 'a', 'a', '1', '1', '1', '1']
        

        对于涉及两个以上列表的情况,可以使用更复杂的集合交集和最大值表达式计算此公共元素的freq。如果使用列表列表,freq 可以使用内部循环计算。您还可以使用来自How can I count the occurrences of a list item? 的 itertools 表达式替换内部 i-loop。

        【讨论】:

          猜你喜欢
          • 2013-04-04
          • 2012-11-15
          • 2019-10-24
          • 1970-01-01
          • 2010-09-19
          • 1970-01-01
          • 1970-01-01
          • 1970-01-01
          • 2021-04-25
          相关资源
          最近更新 更多