如何以Pythonic方式按标签分组对象列表 能否使用itertools.groupby
问题解答
关于itertools.groupby是否适用
首先明确结论:不建议使用itertools.groupby实现该需求,原因如下:
itertools.groupby设计上要求同一分组的元素在序列中连续,使用前需要先对所有元素按分组键排序,额外增加了排序开销- 单个
Place对象对应多个标签,属于多个分组,而groupby默认只能将单个元素划分到一个分组中,硬要使用需要先把每个Place拆分为多个(标签, Place对象)的元组,额外增加了拆分和排序的性能损耗,反而不如直接遍历高效。
最优实现方案
你原本的嵌套遍历思路是理论时间复杂度最优的方案(总时间复杂度为O(T),T为所有Place对象的标签总数量,无法再优化),可以搭配collections.defaultdict简化代码,实现更简洁高效的写法:
from collections import defaultdict from dataclasses import dataclass from typing import List @dataclass class Place: name: str tags: List[str] # 示例数据 places = [Place(name='Foo', tags=['tagA', 'tagB']), Place(name='Bar', tags=['tagB', 'tagC'])] # 分组逻辑 tag_groups = defaultdict(list) for place in places: for tag in place.tags: tag_groups[tag].append(place) # 如果需要转为普通字典,可加如下代码 # tag_groups = dict(tag_groups)
该方案的优势:
- 代码简洁,不需要额外判断标签是否已存在于字典键中,
defaultdict会自动处理不存在的键,初始化空列表 - 仅需要一次全量遍历,没有额外开销,针对上万个对象的场景性能完全足够
- 字典中存储的是原
Place对象的引用,不会额外复制对象,内存占用低
运行后输出的tag_groups就和你给出的示例结果完全一致。
内容的提问来源于stack exchange,提问作者mishbah
相关产品推荐
相关产品推荐

