Python 对列表进行分组

本文旨在解决Python中的列表按相同元素分割的问题

实例数据如下：

s = [
    {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'F', 'info': randint(80, 100)},
    {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': randint(80, 100)},
    {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'D', 'info': randint(80, 100)},
    {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': randint(80, 100)},
    {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': randint(80, 100)},
    {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'B', 'info': randint(80, 100)},
    {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'B', 'info': randint(80, 100)},
    {'one': 'SIT', 'two': '业务组', 'third': '智能', 'name': 'E', 'info': randint(80, 100)},
    {'one': 'SIT', 'two': '业务组', 'third': '图像', 'name': 'E', 'info': randint(80, 100)},
    {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': randint(80, 100)},
    {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': randint(80, 100)},
    {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'B', 'info': randint(80, 100)},
    {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': randint(80, 100)},
    {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': randint(80, 100)}
]

1. 对于很多博客中用到的 itertools 库中的 groupby 去操作，有部分bug，或许是我没有用正确，如有大佬请指正：

groups = groupby(s, key=lambda x: (x['one'], x["two"], x["third"], x["name"]))
for key, group in groups:
    print(key, list(group))

结果并非是我所想要的，如下： 可以看到 相同 的数据列是分开展示，并没有合在一起展示

('SDC', '业务组', '图像', 'F') [{'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'F', 'info': 89}]
('SDC', '业务组', '图像', 'A') [{'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': 95}]
('SDC', '业务组', '图像', 'D') [{'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'D', 'info': 83}]
('SDC', '业务组', '图像', 'A') [{'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': 98}, {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': 97}]
('SDC', '业务组', '图像', 'B') [{'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'B', 'info': 95}, {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'B', 'info': 82}]
('SIT', '业务组', '智能', 'E') [{'one': 'SIT', 'two': '业务组', 'third': '智能', 'name': 'E', 'info': 97}]
('SIT', '业务组', '图像', 'E') [{'one': 'SIT', 'two': '业务组', 'third': '图像', 'name': 'E', 'info': 89}]
('SDC', '业务组', '图像', 'A') [{'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': 93}, {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': 80}]
('SDC', '业务组', '图像', 'B') [{'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'B', 'info': 84}]
('SDC', '业务组', '图像', 'A') [{'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': 87}, {'one': 'SDC', 'two': '业务组', 'third': '图像', 'name': 'A', 'info': 96}]

所以又换了一种方式去操作，pandas中的 groupby

2. 使用 Pandas 中的 groupby 完美解决，代码如下：

df = pd.DataFrame(s).groupby(['one', 'two', 'third', 'task'])
for k, v in df:
    print(k, len(v.to_dict(orient='records')), [i['info'] for i in v.to_dict(orient='records')])

打印结果如下： 统计信息 或者 其他列的数据都可以随时取出

('SDC', '业务组', '图像', 'A') 7 [100, 90, 91, 82, 84, 99, 83]
('SDC', '业务组', '图像', 'B') 3 [85, 95, 98]
('SDC', '业务组', '图像', 'D') 1 [89]
('SDC', '业务组', '图像', 'F') 1 [83]
('SIT', '业务组', '图像', 'E') 1 [97]
('SIT', '业务组', '智能', 'E') 1 [85]

PS： to_dict()

函数中只需填一个参数：orient即可，但对于写入的orient不同，字典的构造方式也不同，其中有一种是列表形式

• orient = 'dict' 函数默认，转换后的字典形式：{column:{index:value}}

• orient = 'list' 转换后字典形式：{column:[values]}

• orient = 'series' 转换后字典形式：{column:Series(value)}

• orient = 'split' 转换后字典形式：{'index':[index],'columns':[columns],'data':[values]}

• orient = 'records' 转换后list形式：[{column:value}...{column:value}]

• orient = 'index' 转换后字典形式：{index:{column:value}}

对于这些参数，各为大佬可以自行打印测试！