将相似的 dict 条目分组为键元组答案

【问题标题】：Group similar dict entries as a tuple of keys将相似的 dict 条目分组为键元组
【发布时间】：2016-11-12 23:41:50
【问题描述】：

我想对数据集的相似条目进行分组。

ds = {1: 'foo',
      2: 'bar',
      3: 'foo',
      4: 'bar',
      5: 'foo'}

>>>tupelize_dict(ds)
{
   (1,3,5): 'foo',
   (2,4): 'bar'
}

我写了这个函数，但我确信还有更简单的方法，不是吗？

def tupelize_dict(data):
    from itertools import chain, combinations
    while True:
        rounds = []
        for x in combinations(data.keys(), 2):
            rounds.append((x, data[x[0]], data[x[1]]))

        end = True
        for k, a, b in rounds:
            if a == b:
                k_chain = [x if isinstance(x, (tuple, list)) else [x] for x in k]
                data[tuple(sorted(chain.from_iterable(k_chain)))] = a
                [data.pop(r) for r in k]
                end = False
                break
        if end:
            break
    return data

编辑

我对数据集的内容可以是允许ds[i] == ds[j] 的任何类型的对象的一般情况感兴趣：

ds = {1: {'a': {'b':'c'}},
      2: 'bar',
      3: {'a': {'b':'c'}},
      4: 'bar',
      5: {'a': {'b':'c'}}}

【问题讨论】：

标签： python dictionary data-structures

【解决方案1】：

这样的事情应该可以解决问题：

>>> from collections import defaultdict
>>> ds = {1: 'foo',
...       2: 'bar',
...       3: 'foo',
...       4: 'bar',
...       5: 'foo'}
>>>
>>> d = defaultdict(list)
>>> for k, v in ds.items():
...     d[v].append(k)
...
>>> res = {tuple(v): k for k, v in d.items()}
>>> res
{(1, 3, 5): 'foo', (2, 4): 'bar'}

【讨论】：

好吧，在一般情况下，dict的值可以是一个复杂的对象而不是字符串，并且字典是不可散列的......也就是说，通过获取每个的散列来使用你的想法可能会很有趣字典。

【解决方案2】：

你也可以做这样的事情。

def tupelize_dict(ds):
    cache = {}
    for key, value in ds.items():
        cache.setdefault(value, []).append(key)
    return {tuple(v): k for k, v in cache.items()}


ds = {1: 'foo',
      2: 'bar',
      3: 'foo',
      4: 'bar',
      5: 'foo'}
print(tupelize_dict(ds))

【讨论】：

【解决方案3】：

按照acushner 的回答，如果我可以计算数据集元素内容的哈希值，就可以让它工作。

import pickle
from collections import defaultdict

def tupelize_dict(ds):
    t = {}
    d = defaultdict(list)
    for k, v in ds.items():
        h = dumps(ds)
        t[h] = v
        d[h].append(k)

    return {tuple(v): t[k] for k, v in d.items()}

这个解决方案比我原来的提议要快得多。

为了测试它，我制作了一组大的随机嵌套字典并在两个实现上运行 cProfile：

original: 204.9 seconds
new:        6.4 seconds

编辑：

我意识到dumps 不适用于某些字典，因为键顺序可能会因不明原因而在内部发生变化（请参阅此question）

一种解决方法是订购所有的字典：

import copy
import collections

def faithfulrepr(od):
    od = od.deepcopy(od)
    if isinstance(od, collections.Mapping):
        res = collections.OrderedDict()
        for k, v in sorted(od.items()):
            res[k] = faithfulrepr(v)
        return repr(res)
    if isinstance(od, list):
        for i, v in enumerate(od):
            od[i] = faithfulrepr(v)
        return repr(od)
    return repr(od)

def tupelize_dict(ds):
    taxonomy = {}
    binder = collections.defaultdict(list)
    for key, value in ds.items():
        signature = faithfulrepr(value)
        taxonomy[signature] = value
        binder[signature].append(key)
    def tu(keys):
        return tuple(sorted(keys)) if len(keys) > 1 else keys[0]
    return {tu(keys): taxonomy[s] for s, keys in binder.items()}

【讨论】：