【Python Cookbook】S01E12 根据字段将记录分组

问题

如果有一系列的字典或对象实例，我们想根据某个特定的字段来分组迭代数据。

解决方案

假设有如下字典列表：

rows = [
    {'address': '5412 N CLARK', 'date': '07/01/2012'},
    {'address': '5148 N CLARK', 'date': '07/04/2012'},
    {'address': '5800 E 58TH', 'date': '07/02/2012'},
    {'address': '2122 N CLARK', 'date': '07/03/2012'},
    {'address': '5645 N RAVENSWOOD', 'date': '07/02/2012'},
    {'address': '1060 W ADDISON', 'date': '07/02/2012'},
    {'address': '4801 N BROADWAY', 'date': '07/01/2012'},
    {'address': '1039 W GRANVILLE', 'date': '07/04/2012'}
]

在对上述数据进行分组时，使用 itertools.groupby() 函数非常有用。
假设我们想以日期为分组的方式迭代显示数据，首先通过 operator.itemgetter() 函数进行排序，然后通过 itertools.groupby() 进行分组。

from operator import itemgetter
from itertools import groupby

rows.sort(key=itemgetter('date'))
for date, items in groupby(rows, key=itemgetter('date')):
    print(date)
    for i in items:
        print(' ', i)

产生结果如下：

在这里插入图片描述

讨论

函数 groupby() 通过扫描序列对相同值或者 key 指定的值进行分组。原理上，groupby() 创建了一个迭代器，每次迭代时返回一个值以及一个子迭代器，这个子迭代器会产生所有在该分组内具有该值的项。

需要注意的是，必须首先对字段根据需求进行排序，因为 groupby() 只能检查连续的项，不首先排序的话，将无法按照要求的方式进行分组。而反过来讲，如果只需要简单的按照日期将数据进行分组，那么使用 defaultdict() 即可：

from collections import defaultdict

rows_by_date = defaultdict(list)
for row in rows:
    rows_by_date[row['date']].append(row)

print(rows_by_date)

结果：

defaultdict(<class 'list'>, {
'07/01/2012': [{'address': '5412 N CLARK', 'date': '07/01/2012'}, {'address': '4801 N BROADWAY', 'date': '07/01/2012'}], 
'07/04/2012': [{'address': '5148 N CLARK', 'date': '07/04/2012'}, {'address': '1039 W GRANVILLE', 'date': '07/04/2012'}], 
'07/02/2012': [{'address': '5800 E 58TH', 'date': '07/02/2012'}, {'address': '5645 N RAVENSWOOD', 'date': '07/02/2012'}, {'address': '1060 W ADDISON', 'date': '07/02/2012'}], 
'07/03/2012': [{'address': '2122 N CLARK', 'date': '07/03/2012'}]})