如何移除字典内日期列表中30天内的重复项并保留最后一项？

核心需求 #

对字典中每个键对应的日期列表，将所有间隔30天内的日期归为一组，每组仅保留原列表中最后出现的日期；需支持跨月的30天内日期处理，且算法高效。

高效实现思路 #

1. 绑定原索引：给每个日期标记其在原列表中的位置，用于判断哪个是最后出现的项。
2. 日期排序与贪心分组：将日期按时间升序排序，从最早日期开始，把所有30天内的日期归为一组，每组保留原索引最大的项（即原列表最后出现的日期）。
3. 恢复原顺序：将最终保留的日期按其在原列表中的出现顺序排序，保证输出格式符合预期。

Python代码实现 #

from datetime import datetime, timedelta

def process_dates(date_list):
    # 为每个日期绑定：datetime对象、原列表索引、原日期字符串
    dated_items = [
        (datetime.strptime(date, '%Y-%m-%d'), idx, date)
        for idx, date in enumerate(date_list)
    ]
    if not dated_items:
        return []
    
    # 按日期升序排序，便于贪心分组
    dated_items.sort(key=lambda x: x[0])
    
    result = []
    current_start_dt, current_max_idx, current_max_date = dated_items[0]
    
    for dt, idx, date_str in dated_items[1:]:
        # 判断当前日期是否在当前组的30天窗口内
        if dt - current_start_dt <= timedelta(days=30):
            # 保留原列表中最后出现的项（索引更大的）
            if idx > current_max_idx:
                current_max_idx = idx
                current_max_date = date_str
        else:
            # 超出窗口，将当前组的结果加入列表，开启新组
            result.append(current_max_date)
            current_start_dt = dt
            current_max_idx = idx
            current_max_date = date_str
    # 加入最后一组的结果
    result.append(current_max_date)
    
    # 按原列表中的出现顺序排序结果
    result.sort(key=lambda x: date_list.index(x))
    return result

# 测试示例字典
original_dict = {
    'a': ['2020-12-11'],
    'b': ['2020-05-30', '2022-09-11'],
    'c': ['2021-07-28', '2022-07-20', '2022-07-07'],
    'd': ['2022-04-17', '2022-04-18', '2022-04-15', '2022-08-20']
}

processed_dict = {key: process_dates(dates) for key, dates in original_dict.items()}

# 输出处理结果
for key, dates in processed_dict.items():
    print(f"{key} : {dates}")

代码说明 #

• 跨月场景支持：通过datetime对象计算时间差，直接判断是否在30天内，不受月份边界限制，比如['2022-03-01', '2022-02-16']会被正确识别为30天内的组。
• 效率优化：核心逻辑基于排序（O(n log n)）和一次遍历（O(n)），远优于暴力两两对比的O(n²)算法，适合处理大规模日期列表。
• 结果顺序匹配：最后通过原列表索引排序，保证输出的日期顺序和原列表中保留项的出现顺序一致，符合示例要求。

运行结果 #

a : ['2020-12-11']
b : ['2020-05-30', '2022-09-11']
c : ['2021-07-28', '2022-07-07']
d : ['2022-04-15', '2022-08-20']

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