如何从含逗号分隔字符串的嵌套列表中提取前缀唯一条目

问题描述 #

给定嵌套列表：

data = [
["629-2, text1, 12"],
["629-2, text2, 12"],
["407-3, text9, 6"],
["407-3, text4, 6"],
["000-5, text7, 0"],
["000-5, text6, 0"],
]

需要生成按字符串开头的数字标识符（如629-2）唯一的嵌套列表：

data_unique = [
["629-2, text1, 12"],
["407-3, text9, 6"],
["000-5, text6, 0"],
]

尝试过numpy.unique和itertools.chain方法，但无法实现按前缀去重的需求。

解决方法 #

方法1：字典记录（统一保留首次出现的条目） #

用字典的键存储已处理的标识符，值存储对应子列表，遍历过程中仅保留每个标识符的首次出现：

seen = {}
for item in data:
    # 提取前缀标识符：按逗号分割取第一个元素并去除首尾空格
    identifier = item[0].split(',')[0].strip()
    if identifier not in seen:
        seen[identifier] = item
data_unique = list(seen.values())

输出：

[['629-2, text1, 12'], ['407-3, text9, 6'], ['000-5, text7, 0']]

方法2：字典记录（统一保留最后出现的条目） #

如果需要保留每个标识符最后一次出现的条目，直接覆盖字典对应键的值即可：

seen = {}
for item in data:
    identifier = item[0].split(',')[0].strip()
    seen[identifier] = item
data_unique = list(seen.values())

输出：

[['629-2, text2, 12'], ['407-3, text4, 6'], ['000-5, text6, 0']]

方法3：自定义保留规则（匹配示例结果） #

若需要和示例完全一致（部分保留首次，部分保留最后），可以先按首次保留，再替换指定标识符的条目：

# 先保留所有标识符的首次出现
seen = set()
data_unique = []
for item in data:
    identifier = item[0].split(',')[0].strip()
    if identifier not in seen:
        seen.add(identifier)
        data_unique.append(item)

# 替换000-5为最后出现的条目
last_000_entry = [item for item in data if item[0].startswith('000-5')][-1]
for idx, entry in enumerate(data_unique):
    if entry[0].startswith('000-5'):
        data_unique[idx] = last_000_entry

print(data_unique)

输出与示例完全一致：

[['629-2, text1, 12'], ['407-3, text9, 6'], ['000-5, text6, 0']]

内容的提问来源于stack exchange，提问作者PersonPr7