问题描述
[
['group1','type1','2021-3-24'],['group1','2021-3-25'],'2021-3-26'],['group2','type2','2022-5-21'],'2021-1-12'],]
我想要这些结果:
[
['group1',]
其中父列表中的每个列表都按 group
和 type
分组,并且执行的功能是“最大日期”操作。
相当于我正在寻找的 sql 语句:
select
group,type,max(date)
from my_list
group by
group,type
我想避免 Pandas 的开销,因为我认为这可以使用 itertools.groupby
来完成,而且我的数据集相对较小,但我找不到一个足够接近的示例来理解这是如何工作的。
解决方法
您可以使用collections.defaultdict
:
import collections,datetime
d = collections.defaultdict(list)
data = [['group1','type1','2021-3-24'],['group1','2021-3-25'],'2021-3-26'],['group2','type2','2022-5-21'],'2021-1-12'],'2021-3-26']]
for a,b,c in data:
d[(a,b)].append(datetime.date(*map(int,c.split('-'))))
result = [[*a,str(max(b))] for a,b in d.items()]
输出:
[['group1','2021-03-26'],'2022-05-21']]
,
@Ajax 的回答很好,但为了完整起见,我添加了带有 groupby
的版本:
lst = [
["group1","type1","2021-3-24"],["group1","2021-3-25"],"2021-3-26"],["group2","type2","2022-5-21"],"2021-1-12"],]
from itertools import groupby
out = []
# if list is not sorted:
# lst = sorted(lst,key=lambda k: (k[0],k[1]))
for c,g in groupby(lst,lambda k: (k[0],k[1])):
out.append(
[*c,"-".join(map(str,max([*map(int,v[-1].split("-"))] for v in g)))]
)
print(out)
打印:
[['group1','2022-5-21']]