我有一个对象列表,还有一个充满记录的数据库表。我的对象列表有一个标题属性,我想从列表中删除任何具有重复标题的对象(保留原始对象)。
然后我想检查我的对象列表是否有数据库中任何记录的重复项,如果有,请在将这些项目添加到数据库之前从列表中删除这些项目。
我已经看到了从列表中删除重复项的解决方案,如下所示:
myList = list(set(myList))
,但我不确定如何使用对象列表来做到这一点?
我也需要维护对象列表的顺序。我也在想也许我可以使用
difflib
来检查标题中的差异。
仅当您知道重复项是什么时,
set(list_of_objects)
才会删除重复项,也就是说,您需要定义对象的唯一性。
为了做到这一点,您需要使对象可散列。您需要定义
__hash__
和 __eq__
方法,具体方法如下:
http://docs.python.org/glossary.html#term-hashable
不过,您可能只需要定义
__eq__
方法。
编辑:如何实现
__eq__
方法:
正如我提到的,您需要知道对象的唯一性定义。假设我们有一本具有author_name和title属性的书,它们的组合是唯一的(因此,我们可以有很多斯蒂芬·金创作的书,也可以有很多名为《闪灵》的书,但只有一本名为《闪灵》的书是斯蒂芬·金写的),那么执行如下:
def __eq__(self, other):
return self.author_name==other.author_name\
and self.title==other.title
类似地,这就是我有时实现
__hash__
方法的方式:
def __hash__(self):
return hash(('title', self.title,
'author_name', self.author_name))
您可以检查,如果您创建具有相同作者和标题的 2 本书的列表,则书籍对象将 相同(使用
is
==
运算符)。另外,当使用set()
时,它会删除一本书。
编辑:这是我的一个旧答案,但我现在才注意到它有一个错误,该错误在最后一段中用删除线纠正:与
hash()
。但是,如果您打算将它们用作集合的元素或字典中的键,则使用对象的哈希性。由于它们不可散列,因此您不能直接使用集合。标题应该是。
True
您需要描述第二部分使用的数据库/ORM 等。
如果你不能(或不会)为对象定义
is
seen_titles = set()
new_list = []
for obj in myList:
if obj.title not in seen_titles:
new_list.append(obj)
seen_titles.add(obj.title)
实例,例如 对于
__eq__
,你会得到 unique = list({item.attribute: item for item in mylist}.values())
。您可以使用
mylist = [Item(attribute=1, tag='first'), Item(attribute=1, tag='second'), Item(attribute=2, tag='third')]
(如果存在完整列表)来解决此问题。这看起来很小:
对于不可散列的类型,您可以使用字典理解
new_dict = dict()
for obj in myList:
if obj.title not in new_dict:
new_dict[obj.title] = obj
考虑重复项,并将最后一个匹配的对象作为
{ row.title : row for row in rows }.values()
。这意味着如果您的行可能具有相同的标题但其他属性的值不同,那么这将不起作用。
例如row.title
如果您想匹配
row.title
中的多个字段,您可以进一步扩展:
[{"title": "test", "myval": 1}, {"title": "test", "myval": 2}] ==> [{"title": "test", "myval": 2}]
row
用作字段之间的分隔符。这假设
{ f"{row.title}\0{row.value}" : row for row in rows }.values()
或
\0
中均未使用空字符。为此需要
row.title
row.value
。
将对象添加到集合中需要
__hash__
,因为 python 的集合是作为哈希表实现的。默认情况下,数字、字符串和元组等不可变对象是可哈希的。
然而,由于鸽巢原理,哈希冲突(两个不同的对象哈希为相同的值)是不可避免的。因此,仅使用哈希值无法区分两个对象,用户必须指定自己的
__eq__
函数。因此,用户提供的实际哈希函数并不重要,但最好尽量避免哈希冲突以提高性能(请参阅实现 __hash__() 的正确且良好的方法是什么?)。
我最近最终使用了下面的代码。它与其他答案类似,因为它迭代列表并记录它所看到的内容,然后删除它已经看到的任何项目,但它不会创建重复的列表,而是只是从原始列表中删除该项目。
这很简单,朋友们:-
a = [5,6,7,32,32,32,32,32,32,32,32]
a = 列表(集合(a))就是这样! :)打印(一)
__eq__