python中的groupby和列表理解頭痛

Question

我要求將其刪除。請不要編輯。

Answer 1

from collections import defaultdict 

def main(separator='\t'): 
    data = read_mapper_output(sys.stdin, separator=separator) 
    counts = defaultdict(lambda: [0, 0]) 
    for word, (count1, count2) in data: 
     values = counts[word] 
     values[0] += count1 
     values[1] += count2 

    for word, (count1, count2) in counts.iteritems(): 
     print('{0}\t{1}\t{2}'.format(word, count1, count2)) 

Answer 2

GROUPBY

即從itertools模塊groupby功能，記錄here。 data根據將itemgetter(0)（來自operator模塊的itemgetter類的實例，記錄爲here）應用到每個元素的結果「分組」。它返回（關鍵結果，帶有該關鍵字的迭代器元素）對。因此，每次通過循環時，current_word是一行data行（索引-0，即第一項，由itemgetter提取）共有的「單詞」，group是data行上的迭代器，它們開始與那word。如您的代碼文檔中所述，文件的每一行都有兩個單詞：一個實際的「單詞」和一個計數（文本旨在解釋爲一個數字）

sum（int（count）for current_word ，計數在基）

即意味着正是它說：所述count的整數值的總和，對於每個（current_word，count）一對在group找到。如上所述，每個group是來自data的一組線。因此，我們採用所有以current_word開頭的行，將其字符串count的值轉換爲整數，然後將它們相加。

我該如何修改這個塊，使它基本上繼續做它現在做的事情，但有第二個計數器值？即輸入是（word，count1，count2），輸出是（word，count1，count2）。

那麼，您希望每個計數代表什麼，以及您希望數據來自哪裏？

我打算採取我認爲的認爲是最簡單的解釋：您要修改數據文件以在每一行上有三個項目，並且您將從每列的號碼分開。

groupby將會是相同的，因爲我們仍然按照相同的方式對線條進行分組，我們仍然按照「單詞」對它們進行分組。

sum部分將需要計算兩個值：第一列數字的總和和第二列數字的總和。

當我們遍歷group時，我們會得到三個值的集合，所以我們想將它們解壓爲三個值：例如current_word, group_a, group_b。對於其中的每一個，我們希望將整數轉換應用於每行上的兩個數字。這給了我們一串數字的序列;如果我們想要添加所有的第一個數字和所有的第二個數字，那麼我們應該製作一對數字序列。爲此，我們可以使用另一個itertools函數，稱爲izip。然後，我們可以分別對這些數據進行求和，將它們再次解包爲兩個單獨的數字序列變量並對它們進行求和。

這樣：

counts_a, counts_b = izip(
    (int(count_a), int(count_b)) for current_word, count_a, count_b in group 
) 
total_a, total_b = sum(counts_a), sum(counts_b) 

或者我們可以只讓一對 - 的 - 數做相同的（X對於z Y）再次招：

totals = (
    sum(counts) 
    for counts in izip(
     (int(count_a), int(count_b)) for current_word, count_a, count_b in group 
    ) 
) 

雖然這一結果將是在打印聲明中使用有點困難:)