如何过滤一组（int，str）元组，只返回第一个元素中具有最小值的元组？答案

【问题标题】：How to filter a set of (int, str) tuples, to return only tuple with min value in first element?如何过滤一组（int，str）元组，只返回第一个元素中具有最小值的元组？
【发布时间】：2019-04-01 05:57:43
【问题描述】：

假设我有一组用“分数”表示 URL 的元组：

{(0.75, 'http://www.foo.com'), (0.33, 'http://www.bar.com'), (0.5, 'http://www.foo.com'), (0.66, 'http://www.bar.com')}。

什么是过滤重复 URL 的简洁方法，只返回得分最低的 URL？也就是从上面的例子集合中，我想得到如下集合，其中每个 URL 只出现一次，与原始集合对应的分数最低：

{(0.5, 'http://www.foo.com'),(0.33, 'http://www.bar.com')}

我想出了以下解决方案：

from collections import defaultdict

seen = defaultdict(lambda:1)
for score, url in s:
    if score < seen[url]:
        seen[url] = score

filtered = {(v,k) for k,v in seen.items()}

...但我觉得可能有一些更简单，更有效的方法可以做到这一点，而无需使用中间 dict 来跟踪最大元素，然后从中重新生成集合。按第一个元素的最小值/最大值过滤一组元组的最佳方法是什么？

【问题讨论】：

我找到了a duplicate，但它很糟糕，我不想将它编辑成形状。因此，除非其他人想要这样做，否则我会等待答案发布在这里，然后将旧问题作为骗子关闭。

标签： python filter set tuples min

【解决方案1】：

您已经实现了我能想到的最简单的方法。我要做的唯一改变是循环——一个稍微简洁一点的版本是使用min。

seen = defaultdict(lambda: 1)  # `lambda: float('inf')` if scores can be > 1
for score, url in s:
    seen[url] = min(seen[url], score)

{(v,k) for k,v in seen.items()}
# {(0.33, 'http://www.bar.com'), (0.5, 'http://www.foo.com')}

如果您真的想要一个更短的解决方案，就像我说的那样，这不是最简单的方法，但它是一种单一的方法。大多数挑战是交换 URL 和分数，因此您可以在删除重复项时使用 URL 作为键。不用说，排序是这里的先决条件（这就是为什么我不像上面那样喜欢这个解决方案）。

{(v, k) for k, v in dict(sorted(((v, k) for k, v in s), reverse=True)).items()}
# {(0.33, 'http://www.bar.com'), (0.5, 'http://www.foo.com')}

如果s 看起来像这样，这个解决方案就会变得更短：

s2 = {(v,k) for k, v in s}
s2 
# {('http://www.bar.com', 0.33), ('http://www.bar.com', 0.66), ...}

你只需要这样做

list(dict(sorted(s2, reverse=True)).items())
# [('http://www.foo.com', 0.5), ('http://www.bar.com', 0.33)]

【讨论】：

您的最后一段代码依赖于如何从元组列表初始化dict 的实现细节，每次都覆盖键的最后一个值。这可能经不起时间的考验，并且有隐含的假设。
@guyarad 这不是一个实现细节。字典总是使用最后一个值。只要您传递有序集合（例如列表），就可以了。
@guyarad 这是记录在案的行为，而不是实现细节：“如果键出现多次，则该键的最后一个值将成为新字典中的对应值。”（来自here。）
啊很好 - 我喜欢使用 min() 而不是条件。我花了一分钟来理解你的最后一个解决方案，我将使用第一个，既是为了可读性，也是因为我想避免排序（URLS 集可能相当大）。但这是一种有趣的技术——我不知道可以以这种方式使用 dict 初始化来过滤掉重复的键。非常感谢。 +1

【解决方案2】：

另一种解决方案：

seen = {}
for score, url in s:
    if seen.setdefault(url, score) > score:
        seen[url] = score
filtered = {(v,k) for k,v in seen.items()}
print(filtered)

【讨论】：

【解决方案3】：

没有任何技巧或额外的代码可以重用，你已经很接近了。我想出了一些类似的东西，在我看来更简洁：

seen = set()
filtered = []
for score, url in sorted(urls):
    if url in seen:
        continue
    filtered.append((score, url))
    seen.add(url)

您还可以使用其他库，例如boltons。您可以像这样使用unique 方法：

import operator
from boltons.iterutils import unique
filtered = unique(sorted(urls), key=operator.itemgetter(1))

更新：如果元组将所有相关评分作为第一个元素，则此解决方案适用于任意长度的元组（假设您更改了键函数）

【讨论】：

【解决方案4】：

一个非常简单的方法：

L=sorted(s,key=lambda t: (t[1],t[0]))
[L[0]] + [L[i] for i in range(1,len(L)) if L[i][1]!=L[i-1][1]]

【讨论】：