如何过滤一组（int，str）元组，只返回第一个元素中带有最小值的元组？

Question

假设我有一组表示带有“得分”的URL的元组：

{(0.75, 'http://www.foo.com'), (0.33, 'http://www.bar.com'), (0.5, 'http://www.foo.com'), (0.66, 'http://www.bar.com')}。

我有什么简洁的方法来过滤掉重复的URL，只返回得分最低的URL？也就是说，从上面的示例中，我想获得以下集合，其中每个URL仅出现一次，具有来自原始集合的最低对应分数：

{(0.5, 'http://www.foo.com'),(0.33, 'http://www.bar.com')}

我提出了以下解决方案：

from collections import defaultdict

seen = defaultdict(lambda:1)
for score, url in s:
    if score < seen[url]:
        seen[url] = score

filtered = {(v,k) for k,v in seen.items()}

...但我觉得可能有一些更简单，更有效的方法来做到这一点，而不使用中间字典来跟踪最大元素，然后从中重新生成集合。通过第一个元素的最小值/最大值过滤一组元组的最佳方法是什么？

Answer 1

你已经实现了我能想到的最简单的方法。我所做的唯一改变就是循环 - 一个稍微简洁的版本是使用min。

seen = defaultdict(lambda: 1)  # `lambda: float('inf')` if scores can be > 1
for score, url in s:
    seen[url] = min(seen[url], score)

{(v,k) for k,v in seen.items()}
# {(0.33, 'http://www.bar.com'), (0.5, 'http://www.foo.com')}

---

如果你真的想要一个更短的解决方案，就像我说的那样，这不是最简单的方法，但它是一个单线程。大多数挑战是交换URL和分数，因此您可以在删除重复项时将URL用作密钥。不言而喻，排序是一个先决条件（这就是为什么我不像上面那样喜欢这个解决方案）。

{(v, k) for k, v in dict(sorted(((v, k) for k, v in s), reverse=True)).items()}
# {(0.33, 'http://www.bar.com'), (0.5, 'http://www.foo.com')}

如果s看起来像这样，这个解决方案会变得那么短：

s2 = {(v,k) for k, v in s}
s2 
# {('http://www.bar.com', 0.33), ('http://www.bar.com', 0.66), ...}

你只需要这样做

list(dict(sorted(s2, reverse=True)).items())
# [('http://www.foo.com', 0.5), ('http://www.bar.com', 0.33)]

Answer 2

另一种方案：

seen = {}
for score, url in s:
    if seen.setdefault(url, score) > score:
        seen[url] = score
filtered = {(v,k) for k,v in seen.items()}
print(filtered)

Answer 3

没有任何技巧或额外的代码可以重复使用，你非常接近。在我看来，我想出了一些类似的东西：

seen = set()
filtered = []
for score, url in sorted(urls):
    if url in seen:
        continue
    filtered.append((score, url))
    seen.add(url)

您还可以使用其他库，例如boltons。您可以像这样使用unique方法：

import operator
from boltons.iterutils import unique
filtered = unique(sorted(urls), key=operator.itemgetter(1))

更新：如果元组将所有相关评分作为第一个元素，则此解决方案适用于任意长度的元组（假设您更改了键功能）

Answer 4

一个非常简单的方法：

L=sorted(s,key=lambda t: (t[1],t[0]))
[L[0]] + [L[i] for i in range(1,len(L)) if L[i][1]!=L[i-1][1]]