假设我们有这样一种数据：
data = [ ("apple", 30), ("apple", 35), ("apple", 32), ("pear", 60), ("pear", 32), ("pear", 60), ("banana", 102), ("banana", 104) ] # 我们希望变成如下格式 """ [('apple', [30, 35, 32]), ('pear', [60, 32, 60]), ('banana', [102, 104])] """
如果是你的话，你会怎么做呢？很容易想到的一种解决方案是构造一个字典：
data = [ ("apple", 30), ("apple", 35), ("apple", 32), ("pear", 60), ("pear", 32), ("pear", 60), ("banana", 102), ("banana", 104) ] data_dict = {} for name, count in data: if name not in data_dict: data_dict[name] = [] data_dict[name].append(count) print(data_dict) """ {'apple': [30, 35, 32], 'pear': [60, 32, 60], 'banana': [102, 104]} """ print(list(data_dict.items())) """ [('apple', [30, 35, 32]), ('pear', [60, 32, 60]), ('banana', [102, 104])] """
这种方案完全没有问题，不过我们还可以写的更优雅一些，也就是使用字典的 setdefault 方法：
data = [ ("apple", 30), ("apple", 35), ("apple", 32), ("pear", 60), ("pear", 32), ("pear", 60), ("banana", 102), ("banana", 104) ] data_dict = {} for name, count in data: # setdefault(k, v) 含义如下 # 当 k 不存在时，将 k: v 设置在字典中，并返回 v # 当 k 存在时，直接返回 k 对应值 data_dict.setdefault(name, []).append(count) print(list(data_dict.items())) """ [('apple', [30, 35, 32]), ('pear', [60, 32, 60]), ('banana', [102, 104])] """
setdefault 是一个非常方便的方法，但是使用频率却不怎么高，或者说该方法不太让人喜欢。主要是每次调用都要给一个初始值，比如代码中的空列表 []。另外这里的初始值可以任意，如果你希望添加的时候还能实现去重效果，那么就将空列表换成空集合即可。
或者我们还可以使用 defaultdict，它位于 collections 模块中。
from collections import defaultdict data = [ ("apple", 30), ("apple", 35), ("apple", 32), ("pear", 60), ("pear", 32), ("pear", 60), ("banana", 102), ("banana", 104) ] # 里面接收一个 callable # 当访问的 k 不存在时，返回 callable 调用之后的值 data_dict1 = defaultdict(list) for name, count in data: data_dict1[name].append(count) print(list(data_dict1.items())) """ [('apple', [30, 35, 32]), ('pear', [60, 32, 60]), ('banana', [102, 104])] """ # 也可以指定为 set data_dict2 = defaultdict(set) for name, count in data: data_dict2[name].add(count) print(list(data_dict2.items())) """ [('apple', {32, 35, 30}), ('pear', {32, 60}), ('banana', {104, 102})] """
总的来说，defaultdict 和字典的 setdefault 方法非常类似，我们使用 setdefault 即可。
当然啦，关于分组，还有一种特殊情况，就是词频统计。假设我们想统计可迭代对象中，每个元素出现的次数该怎么做呢？
data = ["apple", "apple", "apple", "pear", "pear", "pear", "banana", "banana"] data_dict = {} for item in data: # 此处不能使用 setdefault，因为它是函数 # .setdefault(item, 0) += 1 是不符合语法规则的 if item not in data_dict: data_dict[item] = 0 data_dict[item] += 1 print(data_dict) """ {'apple': 3, 'pear': 3, 'banana': 2} """ # 或者使用 defaultdict from collections import defaultdict data_dict = defaultdict(int) for item in data: data_dict[item] += 1 print(data_dict) """ defaultdict(<class 'int'>, {'apple': 3, 'pear': 3, 'banana': 2}) """
然而说到词频统计，我们还可以使用 collections 下的 Counter 类。
from collections import Counter data = ["apple", "apple", "apple", "pear", "pear", "pear", "banana", "banana"] data_dict = Counter(data) # 直接搞定，Counter 已经包含了我们之前的逻辑 print(data_dict) """ Counter({'apple': 3, 'pear': 3, 'banana': 2}) """ # Counter 继承 dict，除了支持字典操作之外 # 还提供了很多其它操作，其中一个就是 most_common # 用于选择出现频率最高的几个元素 print(data_dict.most_common(2)) """ [('apple', 3), ('pear', 3)] """
还是很简单的。
