python合并未排序的列表

Question

如何在保留的同时合并 2 个任意未排序列表 a 和 b 两个列表的顺序？我不想丢弃重复项或排序。 空白的格式只是为了让人类读者可视化：

a = ['a', 'b', 'c', 'X',       'Y',      '127'      ]
b = ['a', 'b',      'X', '44', 'Y', 'w', '127', 'X' ]

期望的输出m:

m = ['a', 'b', 'c', 'X', '44', 'Y', 'w', '127', 'X' ]

我应该更简洁地指定合并顺序。 匹配优先级进入列表a： 尝试将列表 a 中的每个项目与 b 中的项目匹配

So if  a = ['b',      'a', 'r', 'n']
and    b = ['b', 'r', 'a',      'n'],
merged m = ['b', 'r', 'a', 'r', 'n']

字典解决方案删除重复项（b[2] 和 b[7] 都是 'X'）。

这需要是程序化的；我正在查看数百万行数据。 difflib 很有趣，可能是为了另一个问题，但我认为它对这个问题没有帮助。

我在 Windows-7 上使用 Python 2.7.12

下面的代码解决了这个问题，但没有我想的那么干净和简单。

def merge_lists(a, b):
    """ Merge 2 arbitrary unsorted lists a and b while preserving
    the order from both lists. Do not discard duplicates or sort."""

    ia = ib = 0
    m = []    
    if len(a) == 0:
        m = b
    elif len(b) == 0:
        m = a

    while ia < len(a) and ib < len(b):
        if a[ia] == b[ib]:
            m.append(a[ia])
            ia += 1
            ib += 1
        else:
            count = b[ib:].count(a[ia])
            if count == 0:
                m.append(a[ia])
                ia += 1
            else:
                k = b[ib:].index(a[ia])
                for i in range(ib, k+ib):
                    m.append(b[i])
                ib += k

        if ia >= len(a):
            for i in range(ib, len(b)):
                m.append(b[i])
        if ib >= len(b):
            for i in range(ia, len(a)):
                m.append(a[i])

    return m #--- END --- merge_lists()

Answer 1

您可能可以使用difflib，但您必须自己进行合并。这可能很棘手——而且在计算机上并不总是很容易做到（考虑何时必须在版本控制系统中手动合并冲突）。但是，很多情况可以自动处理。

这里有一些代码可以帮助您入门 - 我不保证它适用于所有情况，所以如果您发现有改进之处，请随时告诉我，我会尝试编辑它们：

a = ['a', 'b', 'c', 'X',       'Y',      '127'      ]
b = ['a', 'b',      'X', '44', 'Y', 'w', '127', 'X' ]
import difflib
matches = difflib.SequenceMatcher(a=a, b=b).get_matching_blocks()

# Pointers to locations in the `a` and `b` lists to keep track of our progress.
ix_a = 0
ix_b = 0
c = []
for match in matches:
    # Add in missing elements from `a` -- Assume `a` comes first?
    if match.a > ix_a:
        c.extend(a[ix_a: match.a])
    # add in missing elements from `b`
    if match.b > ix_b:
        c.extend(b[ix_b: match.b])
    # add in common elements.
    part = a[match.a:match.a + match.size]
    c.extend(part)

    # update our pointers into the original sequences.
    ix_a = match.a + match.size
    ix_b = match.b + match.size

print(c)

显然，difflib 选择匹配数据中的运行的确切方式有点儿摆布。例如@ZeroPiraeus 指出的示例：('barn' 和 'bran')¹ 导致 'brarn'，但如果你颠倒输入的顺序，你会得到 'baran'。

这里令人惊讶的不是这两个结果是不同的——事实上，如果你改变输入的顺序，期望它们有不同的顺序是很自然的。但是，它们具有完全不同的值可能令人惊讶（一个有两个'r'，另一个有两个'a'）。

^{1为简洁起见，我将这些列表格式化为字符串。}

Answer 2

没有一个正确的结果，因为问题已被指定。例如：

a = ['b',      'r', 'a', 'n']
b = ['b', 'a', 'r',      'n']
m = ['b', 'a', 'r', 'a', 'n']

a = ['b', 'r', 'a',      'n']
b = ['b',      'a', 'r', 'n']
m = ['b', 'r', 'a', 'r', 'n']