如何按索引（时间戳）合并Python元组中的列值？

需求：将以时间戳为第一个元素的元组列表合并，同一时间戳的多个元组合并为一个，用非空值填充对应列的空位。源数据约1440条，存在同一时间戳对应多条元组、部分列值为空的情况。

源数据示例 #

tuples = [('2022-10-15 01:16:00', '5', '', '', 'hdd1', '1234'),
          ('2022-10-15 01:16:00', '', '4', '', 'hdd1', '1234'),
          ('2022-10-15 01:17:00', '10', '', '', 'hdd1', '1234'),
          ('2022-10-15 01:17:00', '', '25', '', 'hdd1', '1234'),
          ('2022-10-15 01:18:00', '1', '', '', 'hdd1', '1234'),
          ('2022-10-15 01:18:00', '', '2', '', 'hdd1', '1234'),
          ...]

期望输出示例 #

[('2022-10-15 01:16:00', '5', '4', '', 'hdd1', '1234'),
 ('2022-10-15 01:17:00', '10', '25', '', 'hdd1', '1234'),
 ('2022-10-15 01:18:00', '1', '2', '', 'hdd1', '1234')]

当前尝试的代码问题 #

你当前的代码存在两个核心问题：

• 仅处理了同一时间戳最多两个元组的场景，若有更多元组则无法覆盖；
• 直接拼接元组会导致结果长度错误（比如原元组是6个元素，拼接后变成11个），且没有正确填充空值，反而额外添加了不必要的元素。

当前代码：

tuples = [('2022-10-15 01:16:00', '5', '', '', 'hdd1', '1234'), ('2022-10-15 01:16:00', '', '4', '', 'hdd1', '1234'),('2022-10-15 01:17:00', '10', '', '', 'hdd1', '1234'), ('2022-10-15 01:17:00', '', '25', '', 'hdd1', '1234'), ('2022-10-15 01:18:00', '1', '', '', 'hdd1', '1234'), ('2022-10-15 01:18:00', '', '2', '', 'hdd1', '1234')]
result = []
key = lambda t: t[0]
for letter,items in itertools.groupby(sorted(tuples,key=key),key):
    items = list(items)
    if len(items) == 1:
        result.append(items[0]+(0,0))
    else:
        result.append(items[0]+items[1][1:])
print(result)

解决方案 #

正确的思路是对同一时间戳的所有元组，逐列筛选非空值，保留有效内容。具体实现如下：

import itertools

tuples = [('2022-10-15 01:16:00', '5', '', '', 'hdd1', '1234'),
          ('2022-10-15 01:16:00', '', '4', '', 'hdd1', '1234'),
          ('2022-10-15 01:17:00', '10', '', '', 'hdd1', '1234'),
          ('2022-10-15 01:17:00', '', '25', '', 'hdd1', '1234'),
          ('2022-10-15 01:18:00', '1', '', '', 'hdd1', '1234'),
          ('2022-10-15 01:18:00', '', '2', '', 'hdd1', '1234')]

result = []
key_func = lambda t: t[0]

# 先按时间戳排序，确保groupby能正确分组
sorted_tuples = sorted(tuples, key=key_func)

for timestamp, group in itertools.groupby(sorted_tuples, key=key_func):
    # 将分组内的元组转置，得到每一列的所有值
    columns = list(zip(*group))
    merged_columns = []
    for col in columns:
        # 筛选当前列的非空值，取第一个；如果全空则保留空字符串
        non_empty = next((val for val in col if val != ''), '')
        merged_columns.append(non_empty)
    # 将合并后的列转为元组，加入结果列表
    result.append(tuple(merged_columns))

print(result)

代码说明 #

1. 排序分组：先用sorted按时间戳排序，保证itertools.groupby能把同一时间戳的元组归为一组（groupby要求相同键的元素连续）；
2. 转置列处理：用zip(*group)将分组内的元组转置，把每一列的所有值提取出来；
3. 填充非空值：对每一列遍历所有值，取第一个非空值；如果整列都是空，则保留空字符串；
4. 合并结果：将处理后的列重新组合成元组，加入结果列表。

这个方案能处理同一时间戳下任意数量的元组，且严格保留原元组的列数，完全匹配你的期望输出。

内容的提问来源于stack exchange，提问作者Indi59