如何解决Itertools Groupby提供了意外结果
我有两个列表
说
finalblobfpost1=['ABC/XYZ/16082020/K1_SS_ALM_222222_14082020.txt','ABC/XYZ/16082020/K1_SS_ALM_111111_14082020.txt','ABC/XYZ/15082020/K1_AB_KIL_444444_15082020.txt','ABC/XYZ/15082020/K1_AB_KIL_333333_15082020.txt']
“ K1_SS_ALM”的日期相同
finalblobfpost2=['ABC/XYZ/15082020/K1_SS_ALM_222222_15082020.txt','ABC/XYZ/16082020/K1_SS_ALM_111111_16082020.txt','ABC/XYZ/16082020/K1_AB_KIL_333333_16082020.txt']
使用与“ K1_SS_ALM”不同的日期
我需要使用K1_SS_ALM和K1_AB_KIL分组(re.findall(“ \ w + / \ w + / \ d + /(。*?)_ \ d + _ \ d + .txt”,文本))
到目前为止的Mycode:
finalblobfpost1=['ABC/XYZ/16082020/K1_SS_ALM_222222_14082020.txt','ABC/XYZ/15082020/K1_AB_KIL_333333_15082020.txt']
keyf = lambda text: (re.findall("\w+\/\w+\/\d+\/(.*?)\_\d+_\d+.txt",text)+ [text])[0].strip()
h=[list(items) for gr,items in groupby(sorted(finalblobfpost1),key=keyf)]
print(h)
结果令人满意-
[['ABC/XYZ/15082020/K1_AB_KIL_333333_15082020.txt','ABC/XYZ/15082020/K1_AB_KIL_444444_15082020.txt'],['ABC/XYZ/16082020/K1_SS_ALM_111111_14082020.txt','ABC/XYZ/16082020/K1_SS_ALM_222222_14082020.txt']]
代码:2
finalblobfpost2=['ABC/XYZ/15082020/K1_SS_ALM_222222_15082020.txt','ABC/XYZ/16082020/K1_AB_KIL_333333_16082020.txt']
keyf1 = lambda text: (re.findall("\w+\/\w+\/\d+\/(.*?)\_\d+_\d+.txt",text)+ [text])[0].strip()
h1=[list(items) for gr,items in groupby(sorted(finalblobfpost2),key=keyf1)]
print(h1)
结果是:不期望
[['ABC/XYZ/15082020/K1_AB_KIL_444444_15082020.txt'],['ABC/XYZ/15082020/K1_SS_ALM_222222_15082020.txt'],['ABC/XYZ/16082020/K1_AB_KIL_333333_16082020.txt'],['ABC/XYZ/16082020/K1_SS_ALM_111111_16082020.txt']]
预期是:
[['ABC/XYZ/15082020/K1_AB_KIL_444444_15082020.txt','ABC/XYZ/16082020/K1_AB_KIL_333333_16082020.txt'],['ABC/XYZ/16082020/K1_SS_ALM_111111_16082020.txt','ABC/XYZ/15082020/K1_AB_KIL_444444_15082020.txt']]
它没有对关键字进行分组。正则表达式有什么问题吗,或者我做错了什么?
请告知。
解决方法
您的列表需要使用与groupby中相同的键功能进行排序!
尝试一下:
h1=[list(items) for gr,items in groupby(sorted(finalblobfpost2,key=keyf1),key=keyf1)]
唯一的区别是调用的key=keyf1
输出(与预期相同):
[['ABC/XYZ/15082020/K1_AB_KIL_444444_15082020.txt','ABC/XYZ/16082020/K1_AB_KIL_333333_16082020.txt'],['ABC/XYZ/15082020/K1_SS_ALM_222222_15082020.txt','ABC/XYZ/16082020/K1_SS_ALM_111111_16082020.txt']]
这明确地写在docs for groupby
中:
,groupby()的操作类似于Unix中的uniq过滤器。它 每次键值产生一个中断或新组 功能更改(这就是为什么通常需要进行排序的原因 数据使用相同的按键功能)。
尝试一下
import re
from itertools import groupby
print(
[list(v) for _,v in groupby(finalblobfpost1,key=lambda x: re.search("\w\d+_\w{2}_\w{3}",x).group())]
)
[['ABC/XYZ/16082020/K1_SS_ALM_222222_14082020.txt','ABC/XYZ/16082020/K1_SS_ALM_111111_14082020.txt'],['ABC/XYZ/15082020/K1_AB_KIL_444444_15082020.txt','ABC/XYZ/15082020/K1_AB_KIL_333333_15082020.txt']]
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。