Python 列表从第二个维度中进行选择，其中第一个维度 = 条件

Question

假设我有一个值的 2D 列表

[[00000.ppm，11]，[00001.ppm，40]，[00001.ppm，38]，[

00001.ppm，13]，00002.ppm，39]，[00003.ppm，4]]

我需要从列表中的列表的第二个维度中选择每个值，其中文件 = "anything.ppm">

因此，当我搜索 00001.ppm 时，我会得到值"40"、"38"、"13"作为输出

此外，我需要将这些值分开，以便我可以比较它们，例如

_class=13
if (value==_class): do something

我在想是否有其他方法，而不仅仅是昂贵的循环遍历整个列表，因为事实上 - 文件是有序的，它们的名称始终是 int 增量。

我只是不知道每个文件有多少个。

也许为此将.csv文件读取到列表中是一个坏主意。

.csv格式

00000.ppm,11
00001.ppm,40
00001.ppm,38
00001.ppm,13
00002.ppm,39
00003.ppm,4

Answer 1

我在想是否有其他方法，而不仅仅是昂贵的循环 通过整个列表，因为事实上 - 文件是有序的，并且 它们的名称始终是整数增量。

您可以利用文件对象可迭代的事实，并在从 00001 转换到 00002 时停止从中读取，而不是将整个数据集读取到列表并对其进行传递。

def read_partial(file, key='00001.ppm'):
with open('obj.csv') as f:
found = False
for line in f:
if line.startswith(key):
yield int(line.split(',')[-1].strip())
found = True
else:
if found:
break 

>>> list(read_partial('obj.csv'))
[40, 38, 13]

同样，这假设 0000x.ppm 字段的排序与您的问题相同。

obj.csv：

00000.ppm,11
00001.ppm,40
00001.ppm,38
00001.ppm,13
00002.ppm,39
00003.ppm,4

如果确实要采用遍历列表的路线，可以使用[b for a, b in mylist if a == '00001.ppm']。

Answer 2

听起来您想获取与特定文件名对应的所有值的列表。如果您没有很多项目和/或想要检查所有文件名，那么最好的办法可能是使用 for 循环将所有相关值分组到字典中。但是，如果您有一个很长的排序项目列表，并且您只想检查一些文件名，那么您可以使用bisect模块非常快速地搜索列表。

下面的代码给出了这两种方法的示例。

entries = [
['00000.ppm', 11],
['00001.ppm', 40], ['00001.ppm', 38], ['00001.ppm', 13],
['00002.ppm', 39],
['00003.ppm', 4]
]
# good for most cases:
values = dict()
for filename, value in entries:
values.setdefault(filename, []).append(value)
print(values['00001.ppm'])
# [40, 38, 13]
# not clear what you want to do with these next...
# this method searches within a sorted list.
# it will be useful if there are many items in the entries list (> ~100000) 
# and you only need to lookup a few
import bisect
def find_values(entries, filename):
starting_search_key = [filename, -1]
i = bisect.bisect_left(entries, starting_search_key)
values = []
while i < len(entries) and entries[i][0] == filename:
values.append(entries[i][1])
i += 1
return values
print(find_values(entries, '00001.ppm'))
# [40, 38, 13]

或者，Pandas 包可能是一个更好的全方位选择，因为它可以非常快速地读取 csv 文件，并且可以对结果数据进行索引搜索。下面是一些代码：

import pandas as pd
entries = pd.read_csv('myfile.csv', index_col=0, names=['filename', 'class'])
print(list(entries.loc['00001.ppm', 'class']))

如果你有一个巨大的csv文件，只需要做几次搜索，你可以使用平分算法非常快速地搜索，而无需读取大部分文件。但是您可能必须自己实现算法，而不是使用平分模块。您必须打开文件，然后使用file.seek()跳到中间，然后向前扫描直到到达回车符，然后检查下一个文件名是否小于您要查找的文件名。如果是这样，请向前跳一半;如果没有，请跳到一半。重复此操作，直到找到您感兴趣的文件名。但是这有复杂的边缘情况，除非您有一个非常大的csv文件并且只需要对其进行一些搜索，否则我不会追求它。更好的选择是使用数据库和/或 Dask 包。

Answer 3

我认为没有办法在不循环数组的情况下做到这一点。

您可以使用本答案中所示的方法。这里

[ i for i, word in enumerate(my_list[:][0]) if word == 'something.ppm' ]

应该给你数组中元素的索引。然后，您可以使用这些索引在第二列中获取相应的值：

my_list[i][1]