Python中如何按指定前缀匹配将文件名列表拆分为分组子列表

核心思路 #

所有需要匹配的前缀均为_col字段之前的字符串片段，直接以此作为分组key即可。 #

方案1：基于itertools.groupby的极简实现 #

仅需3行核心代码，无冗余逻辑：

from itertools import groupby

names = ['REGION_5_64_5_col1_row1_B1.tiff', 'REGION_5_64_5_col2_row2_B1.tiff',
'REGION_5_1_2_col_row_B1.tiff','REGION_5_8_3_col_row_B1.tiff']

# 分组逻辑
key_fn = lambda x: x.split('_col')[0]
result = [list(g) for _, g in groupby(sorted(names, key=key_fn), key=key_fn)]

• 如果原始列表中相同前缀的文件名已经连续排列，可去掉sorted步骤，直接改为groupby(names, key=key_fn)，性能更高。

方案2：基于defaultdict的高性能实现 #

仅遍历列表1次，时间复杂度O(n)，适合大列表场景：

from collections import defaultdict

names = ['REGION_5_64_5_col1_row1_B1.tiff', 'REGION_5_64_5_col2_row2_B1.tiff',
'REGION_5_1_2_col_row_B1.tiff','REGION_5_8_3_col_row_B1.tiff']

# 分组逻辑
group_map = defaultdict(list)
for name in names:
    group_map[name.split('_col')[0]].append(name)
result = list(group_map.values())

两种方案运行后result的输出均符合要求：

[
    ['REGION_5_64_5_col1_row1_B1.tiff', 'REGION_5_64_5_col2_row2_B1.tiff'],
    ['REGION_5_1_2_col_row_B1.tiff'],
    ['REGION_5_8_3_col_row_B1.tiff']
]

内容的提问来源于stack exchange，提问作者user1298426