从 python 中的元组列表中删除唯一元组

Question

我正在编写一个查找重复文件的程序，现在我有一个元组列表

mylist = [(file1, size1, hash1),
          (file2, size2, hash2),
          ...
          (fileN, sizeN, hashN)]

我想删除具有唯一哈希值的条目，只留下重复项。我正在使用

def dropunique(mylist):
templist = []
while mylist:
    mycandidate = mylist.pop()
    templist.append([mycandidate])
    for myfile in mylist:
        if myfile[-1] == mycandidate[-1]:
            templist[-1].append(myfile)
            mylist.remove(myfile)
for myfile in templist:
    if len(myfile) != 1:
        mylist.append(myfile)
templist = [item for sublist in mylist for item in sublist]
return templist

我弹出一个条目，看看是否有其他条目具有相同的散列和组，然后在具有相同散列的列表列表中。然后我用 len > 1 的子列表制作另一个列表，并将结果列表列表平整为一个简单列表。我的问题是，当我在某些列表上使用 'for myfile in mylist:' 时从列表中删除一个条目时，它会跳转相同的条目并在后面生活。

Answer 1

将您的列表复制到以散列为键的字典中，然后在第二遍中删除具有单个计数的列表 - 您甚至可以使用 collections.Counter 来节省一两行代码：

from collections import Counter

counter = Counter(t[2] for t in list_)

result = [value for value in list_ if counter[value[2]] > 1]

（不相关的提示：避免将变量命名为 "list" 或 "dict" - 这会覆盖 Python 默认的内置函数）

Answer 2

我会使用 defaultdict() 按哈希值对元组进行分组：

from collections import defaultdict

# Group the tuples by their hashvalues
d = defaultdict(list)
for tup in data:
    filename, size, hashvalue = tup
    d[hash].append(tup)

# Display groups of tuples that have more than one tuple
for hashvalue, tuples in d.items():
    if len(tuples) > 1:
        print('Tuples with %r in common' % hashvalue)
        for tup in tuples:
            print(tup)
        print()

Answer 3

使用 groupby 的解决方案

from itertools import groupby

my_list = [(1, 2, 3),
           (1, 2, 3),
           (4, 5, 6)]


vals = []

for hash_val, items in groupby(sorted(my_list), hash):
    results = tuple(items)
    if len(results) > 1:
        vals.append(results[0])

Answer 4

您可以像这样使用双 filter：

filter(lambda el: len(filter(lambda item: item[2] == el[2], my_list)) > 1, my_list)

结果：

>>> my_list = [('file1', 'size1', 'hash1'), ('file2', 'size2', 'hash2'), ('file3', 'size3', 'hash3'), ('file4', 'size4', 'hash2')]
>>>
>>> filter(lambda el: len(filter(lambda item: item[2] == el[2], my_list)) > 1, my_list)
[('file2', 'size2', 'hash2'), ('file4', 'size4', 'hash2')]

请注意，在 Python 3 中，filter returns 是一个迭代器，因此您需要将其转换为这样的列表：list(filter(...))

从 python 中的元组列表中删除唯一元组

Remove unique tuples from a list of tuples in python

python

algorithm

tuples

uniqueidentifier

duplicates