python itertools.groupby() 分组排序

你有一个字典或者实例的序列，然后你想根据某个特定的字段比如 date 来分组迭代访问。itertools.groupby() 函数对于这样的数据分组操作非常实用。为了演示，假设你已经有了下列的字典列表：

from operator import itemgetter
from itertools import groupby
from collections import defaultdict


rows = [
    {'address': '5412 N CLARK', 'date': '07/01/2012'},
    {'address': '5148 N CLARK', 'date': '07/04/2012'},
    {'address': '5800 E 58TH', 'date': '07/02/2012'},
    {'address': '2122 N CLARK', 'date': '07/03/2012'},
    {'address': '5645 N RAVENSWOOD', 'date': '07/02/2012'},
    {'address': '1060 W ADDISON', 'date': '07/02/2012'},
    {'address': '4801 N BROADWAY', 'date': '07/01/2012'},
    {'address': '1039 W GRANVILLE', 'date': '07/04/2012'},
]

# 现在假设你想在按 date 分组后的数据块上进行迭代。为了这样做，你首先需要按
# 照指定的字段 (这里就是 date ) 排序，然后调用 itertools.groupby() 函数：
rows.sort(key=itemgetter('date'))
print(rows)

for date, items in groupby(rows, key=itemgetter('date')):
    print(date)
    for i in items:
        print(' ', i)

# groupby() 函数扫描整个序列并且查找连续相同值 (或者根据指定 key 函数返回值
# 相同) 的元素序列。在每次迭代的时候，它会返回一个值和一个迭代器对象，这个迭代
# 器对象可以生成元素值全部等于上面那个值的组中所有对象。

# 一个非常重要的准备步骤是要根据指定的字段将数据排序。因为 groupby() 仅仅
# 检查连续的元素，如果事先并没有排序完成的话，分组函数将得不到想要的结果。

如果你仅仅只是想根据 date 字段将数据分组到一个大的数据结构中去，并且允许随机访问，那么你最好使用 defaultdict() 来构建一个多值字典。

rows_by_date = defaultdict(list)
for row in rows:
    rows_by_date[row['date']].append(row)

print(rows_by_date)
# 在上面这个例子中，我们没有必要先将记录排序。因此，如果对内存占用不是很关
# 心，这种方式会比先排序然后再通过 groupby() 函数迭代的方式运行得快一些。