如何从元组列表中获取含最小日期的唯一元组集合？

方法一：字典遍历处理（直观易懂） #

利用字典键的唯一性，遍历每条交易记录，为每个标的保留日期最早的条目：

transactions = [
    ('GBP.USD', '2022-04-29'),
    ('SNOW', '2022-04-26'),
    ('SHOP', '2022-04-21'),
    ('GBP.USD', '2022-04-27'),
    ('MSFT', '2022-04-11'),
    ('MSFT', '2022-04-21'),
    ('SHOP', '2022-04-25')
]

result_dict = {}
for symbol, date in transactions:
    # 若标的未记录，或当前日期更早，则更新记录
    if symbol not in result_dict or date < result_dict[symbol][1]:
        result_dict[symbol] = (symbol, date)

# 转换为列表得到最终结果
final_result = list(result_dict.values())
print(final_result)

运行输出：

[('GBP.USD', '2022-04-27'), ('SNOW', '2022-04-26'), ('SHOP', '2022-04-21'), ('MSFT', '2022-04-11')]

（Python 3.7+字典会保留插入顺序，若需指定排序，可对final_result额外排序，比如按日期或标的名称）

方法二：itertools.groupby分组处理 #

用groupby实现更简洁的分组逻辑，但需先按标的排序（groupby仅对连续相同键分组）：

from itertools import groupby

# 先按标的名称排序
sorted_trans = sorted(transactions, key=lambda x: x[0])

# 分组后取每组日期最小的元组
final_result = [min(group, key=lambda x: x[1]) for _, group in groupby(sorted_trans, key=lambda x: x[0])]

print(final_result)

输出与方法一一致，可按需调整排序规则。

方法三：pandas处理（适合大数据量） #

如果是大规模数据集，用pandas的分组功能效率更高：

import pandas as pd

df = pd.DataFrame(transactions, columns=['symbol', 'date'])
# 按标的分组取最小日期，再转换为元组列表
final_result = df.groupby('symbol')['date'].min().reset_index().apply(tuple, axis=1).tolist()

print(final_result)

输出同样符合需求。

内容的提问来源于stack exchange，提问作者Jason Strimpel