web-dev-qa-db-ja.com

Python

辞書のリストをグループ化し、like-keysの値を集約（合計）する関数をエレガントな方法で記述しようとしています。

例：

my_dataset = [  
    {
        'date': datetime.date(2013, 1, 1),
        'id': 99,
        'value1': 10,
        'value2': 10
    },
    {
        'date': datetime.date(2013, 1, 1),
        'id': 98,
        'value1': 10,
        'value2': 10
    },
    {
        'date': datetime.date(2013, 1, 2),
        'id' 99,
        'value1': 10,
        'value2': 10
    }
]

group_and_sum_dataset(my_dataset, 'date', ['value1', 'value2'])

"""
Should return:
[
    {
        'date': datetime.date(2013, 1, 1),
        'value1': 20,
        'value2': 20
    },
    {
        'date': datetime.date(2013, 1, 2),
        'value1': 10,
        'value2': 10
    }
]
"""

私はgroupbyにitertoolsを使用してこれを実行し、各like-key値のペアを合計しようとしましたが、ここで何か不足しています。これが私の関数が現在どのように見えるかです：

def group_and_sum_dataset(dataset, group_by_key, sum_value_keys):
    keyfunc = operator.itemgetter(group_by_key)
    dataset.sort(key=keyfunc)
    new_dataset = []
    for key, index in itertools.groupby(dataset, keyfunc):
        d = {group_by_key: key}
        d.update({k:sum([item[k] for item in index]) for k in sum_value_keys})
        new_dataset.append(d)
    return new_dataset
pythondictionaryitertools
18
Kyle Getrost

_collections.Counter_および_collections.defaultdict_を使用できます。

辞書を使用すると、これはO(N)で実行できますが、並べ替えにはO(NlogN)の時間が必要です。

_from collections import defaultdict, Counter
def solve(dataset, group_by_key, sum_value_keys):
    dic = defaultdict(Counter)
    for item in dataset:
        key = item[group_by_key]
        vals = {k:item[k] for k in sum_value_keys}
        dic[key].update(vals)
    return dic
... 
>>> d = solve(my_dataset, 'date', ['value1', 'value2'])
>>> d
defaultdict(<class 'collections.Counter'>,
{
 datetime.date(2013, 1, 2): Counter({'value2': 10, 'value1': 10}),
 datetime.date(2013, 1, 1): Counter({'value2': 20, 'value1': 20})
})
_

Counterの利点は、類似したキーの値を自動的に合計することです。：

例：

_>>> c = Counter(**{'value1': 10, 'value2': 5})
>>> c.update({'value1': 7, 'value2': 3})
>>> c
Counter({'value1': 17, 'value2': 8})
_
22
Ashwini Chaudhary

ありがとう、カウンターのことを忘れてしまいました。出力形式と返されたデータセットの並べ替えを維持したかったので、最終的な関数は次のようになります。

def group_and_sum_dataset(dataset, group_by_key, sum_value_keys):

    container = defaultdict(Counter)

    for item in dataset:
        key = item[group_by_key]
        values = {k:item[k] for k in sum_value_keys}
        container[key].update(values)

    new_dataset = [
        dict([(group_by_key, item[0])] + item[1].items())
            for item in container.items()
    ]
    new_dataset.sort(key=lambda item: item[group_by_key])

    return new_dataset
5
Kyle Getrost

more_itertools を使用する方法は次のとおりです。ここでは、出力の作成方法に焦点を当てています。

与えられた

import datetime
import collections as ct

import more_itertools as mit


dataset = [
    {"date": datetime.date(2013, 1, 1), "id": 99, "value1": 10, "value2": 10},
    {"date": datetime.date(2013, 1, 1), "id": 98, "value1": 10, "value2": 10},
    {"date": datetime.date(2013, 1, 2), "id": 99, "value1": 10, "value2": 10}
]

コード

# Step 1: Build helper functions    
kfunc = lambda d: d["date"]
vfunc = lambda d: {k:v for k, v in d.items() if k.startswith("val")}
rfunc = lambda lst: sum((ct.Counter(d) for d in lst), ct.Counter())

# Step 2: Build a dict    
reduced = mit.map_reduce(dataset, keyfunc=kfunc, valuefunc=vfunc, reducefunc=rfunc)
reduced

出力

defaultdict(None,
            {datetime.date(2013, 1, 1): Counter({'value1': 20, 'value2': 20}),
             datetime.date(2013, 1, 2): Counter({'value1': 10, 'value2': 10})})

アイテムは日付でグループ化され、関連する値はCountersに削減されます。

詳細

ステップ

  1. keys、valuesおよびreduced値の構成をカスタマイズするヘルパー関数を構築します最後の defaultdict 。ここでは、次のことを行います。
    • 日付でグループ化（kfunc）
    • "value *"パラメータ（vfunc）を保持する構築された辞書
    • collections.Counters および それらを合計する に変換することにより、dicts（rfunc）を集約します。以下の同等のrfuncを参照してください+。
  2. ヘルパー関数を more_itertools.map_reduce に渡します。

Simple Groupby

...その例で、IDと日付でグループ化したいと言いますか？

問題ない。

>>> kfunc2 = lambda d: (d["date"], d["id"])
>>> mit.map_reduce(dataset, keyfunc=kfunc2, valuefunc=vfunc, reducefunc=rfunc)
defaultdict(None,
            {(datetime.date(2013, 1, 1),
              99): Counter({'value1': 10, 'value2': 10}),
             (datetime.date(2013, 1, 1),
              98): Counter({'value1': 10, 'value2': 10}),
             (datetime.date(2013, 1, 2),
              99): Counter({'value1': 10, 'value2': 10})})

カスタマイズされた出力

結果のデータ構造は結果を明確かつ簡潔に示しますが、OPの予想される出力は、dictsの単純なリストとして再構築できます。

>>> [{**dict(date=k), **v} for k, v in reduced.items()]
[{'date': datetime.date(2013, 1, 1), 'value1': 20, 'value2': 20},
 {'date': datetime.date(2013, 1, 2), 'value1': 10, 'value2': 10}]

map_reduceの詳細については、 the docs を参照してください。 > pip install more_itertoolsからインストールします。

+同等の還元関数：

def rfunc(lst: typing.List[dict]) -> ct.Counter:
    """Return reduced mappings from map-reduce values."""
    c = ct.Counter()
    for d in lst:
        c += ct.Counter(d)
    return c
2
pylang