Python: 根据日期将文件列表分割为子数组

我们有一个文件列表，希望将该列表分割为一个包含多个子数组的数组，每个子数组包含在同一天创建的文件。例如，如果当前数组包含 3 月 1 日至 3 月 31 日的文件，我们希望得到一个包含 31 个子数组的数组（假设每一天至少有一个文件）。

最终，我们想要找到每一天创建/修改时间最新的文件。如果可以在上述分割迭代中完成此操作以节省一些 CPU 周期，那将更加理想。这样，我们就得到了一个包含 31 个文件的扁平数组，每个文件对应一天，包含该天创建的最新文件。

当前的数据结构只是一个文件名的扁平列表。

2、解决方案

方案一：

我们可以使用 itertools.groupby() 函数将列表按照某个标准拆分成子列表。

import itertools
from datetime import datetime

files = ['file1.txt', 'file2.txt', 'file3.txt', 'file4.txt', 'file5.txt']
dates = ['2023-03-01', '2023-03-02', '2023-03-03', '2023-03-04', '2023-03-05']

# 将文件和日期组合成字典
files_with_dates = dict(zip(files, dates))

# 按日期对文件进行分组
grouped_files = itertools.groupby(sorted(files_with_dates.items(), key=lambda x: x[1]), key=lambda x: x[1])

# 将分组后的文件转换为子数组
subarrays = [list(group) for group in grouped_files]

# 输出子数组
for subarray in subarrays:
    print(subarray)

方案二：

我们可以使用一个字典，其中日期作为键，元组 (文件名, 时间戳) 作为值。遍历所有文件，如果字典的时间戳小于当前文件的时间戳，或该天的值尚不存在，则更新该天的字典值。

import os
import datetime

files = ['file1.txt', 'file2.txt', 'file3.txt', 'file4.txt', 'file5.txt']
dates = ['2023-03-01', '2023-03-02', '2023-03-03', '2023-03-04', '2023-03-05']

# 将文件和日期组合成字典
files_with_dates = dict(zip(files, dates))

# 创建一个字典来存储最新文件
latest_files = {}

# 遍历所有文件
for file, date in files_with_dates.items():
    # 获取文件的修改时间
    modification_time = os.path.getmtime(file)

    # 如果字典中没有该天的记录，或当前文件的时间戳比字典中的时间戳新，则更新字典
    if date not in latest_files or modification_time > latest_files[date][1]:
        latest_files[date] = (file, modification_time)

# 输出最新文件
for date, (file, modification_time) in latest_files.items():
    print(f'Date: {date}, File: {file}, Modification Time: {datetime.datetime.fromtimestamp(modification_time)}')

方案三：

在 Messa 答案的基础上，如果你的数据结构如下：

files = [{'date': datetime(2010, 3, 1, 0, 0, 10), 'file': 'foo'},
         {'date': datetime(2010, 3, 1, 12, 0, 10), 'file': 'bar'},
         {'date': datetime(2010, 3, 2, 3, 5, 10), 'file': 'baz'},
         {'date': datetime(2010, 3, 2, 3, 3, 10), 'file': 'foo'}]

你可以尝试以下代码：

from itertools import groupby
from datetime import datetime

# 按日期对文件进行分组
grouped_files = groupby(sorted(files, key=lambda x: x['date'], reverse=True), key=lambda x: datetime(x['date'].year, x['date'].month, x['date'].day))

# 将分组后的文件转换为子数组
subarrays = [list(group) for group in grouped_files]

# 取每个子数组的第一个元素，即最新文件
latest_files = [next(x[1]) for x in subarrays]

# 输出最新文件
for file in latest_files:
    print(file)