Python 的 itertools.groupby() 函数如何根据指定的键有效地对可迭代数据进行分组？

理解 itertools.groupby()：在 Python 中对数据进行分组

Intertools.groupby() 是一个强大的 Python 函数，允许您对数据进行分组基于指定键函数的可迭代元素。当您需要将数据划分为逻辑类别或对相关项组执行操作时，这尤其有用。

要使用 itertools.groupby()，您需要提供两个参数：要分组的数据和键确定分组标准的函数。 key 函数接受数据中的每个元素并返回对元素进行分组的值。

需要注意的重要一点是 groupby() 在分组之前不会对数据进行排序。如果您需要对组进行排序，则可能需要在应用 groupby() 之前自行对数据进行排序。

示例用法

让我们考虑一个示例来演示itertools.groupby()的用法：

from itertools import groupby

# Data to group: a list of tuples representing (fruit, size) pairs
data = [('apple', 'small'), ('banana', 'medium'), ('orange', 'large'),
         ('apple', 'large'), ('banana', 'small'), ('pear', 'small')]

# Define the key function to group by fruit type
key_func = lambda item: item[0]

# Group the data by fruit type
grouped = groupby(data, key_func)

分组后，grouped是一个迭代器（键，组）对。每个键代表一种独特的水果类型，组是属于该水果类型的原始元组的迭代器。

迭代组

迭代每个group 在分组迭代器中，可以使用嵌套循环：

for fruit_type, group_iterator in grouped:
    # Iterate over the current group, which contains tuples for the fruit type
    for fruit, size in group_iterator:
        # Process the fruit and size
        print(f'{fruit} is {size}')

替代方法

在某些情况下，您可能会遇到 groupby() 不是最有效的选择的情况。如果您正在处理非常大的数据集或者关键函数特别复杂，则 groupby() 的计算成本可能会很高。

考虑以下替代方案：

• 集合。 defaultdict(list): 一个字典，会自动为每个还没有的键创建一个新列表
• Pandas DataFrame.groupby():Pandas 库提供的更全面的数据分组机制。

其他资源

进一步了解itertools.groupby()，可参考以下内容资源：

• [Python itertools.groupby() 文档](https://docs.python.org/3/library/itertools.html#itertools.groupby)
• [ Python itertools groupby() 函数教程](https://www.datacamp.com/courses/itertools-python-tutorial)

以上是Python 的 itertools.groupby() 函数如何根据指定的键有效地对可迭代数据进行分组？的详细内容。更多信息请关注PHP中文网其他相关文章！