使用关联的ID保留已经看到的元素的映射.
from itertools import count
from collections import defaultdict
mapping = defaultdict(count().__next__)
result = []
for element in my_list:
result.append(mapping[tuple(element)])
你也可以使用列表理解:
result = [mapping[tuple(element)] for element in my_list]
不幸的是,列表不可清除,因此在将它们存储为映射的键时必须将它们转换为元组.
注意使用defaultdict和count().__next__提供独特增加ID的技巧.在python2上,你必须用.next替换.__ next__.
defaultdict将在找不到密钥时分配默认值.通过调用构造函数中提供的函数获取默认值.
在这种情况下,count()生成器的__next__方法会产生越来越多的数字.
作为一种更便携的替代方案,您可以:
from functools import partial
mapping = defaultdict(partial(next,count()))
如评论中所提出的另一种解决方案是将索引用作唯一ID:
result = [my_list.index(el) for el in my_list]
但这是实现:
>需要O(N ^ 2)时间而不是O(N)
> ID是唯一的,增加但不连续(可能是也可能不是问题)
有关两种解决方案的比较,请参阅:
In [1]: from itertools import count
...: from collections import defaultdict
In [2]: def hashing(seq):
...: mapping = defaultdict(count().__next__)
...: return [mapping[tuple(el)] for el in seq]
...:
In [3]: def indexing(seq):
...: return [seq.index(i) for i in seq]
...:
In [4]: from random import randint
In [5]: seq = [[randint(1,20),randint(1,20)] for _ in range(90000)]
In [6]: %timeit hashing(seq)
10 loops,best of 3: 37.7 ms per loop
In [7]: %timeit indexing(seq)
1 loop,best of 3: 26 s per loop
请注意,对于90k元素列表,映射解决方案需要的时间少于40毫秒,而索引解决方案需要26秒.