Nano Hash - криптовалюты, майнинг, программирование

Как удалить повторяющиеся элементы, список словарей в python

У меня есть список кампусов:

campus = [{'id': '1', 'dlin': '1'}, {'id': '2', 'dlin': '1'},{'id': '3', 'dlin': '1'},{'id': '4', 'dlin': '2'},{'id': '5', 'dlin': '2'},{'id': '6', 'dlin': '1'}, ]

каждый кампус принадлежит школе с уникальным dlin. Я хочу иметь список, в котором у меня есть другие списки, в каждом из которых есть несколько словарей. Я запускаю следующий код:

schools = []
for i in campus:
    ls = []
    for j in campus:
        if i['dlin'] == j['dlin']:
            ls.append(j)
            # campus_copy.remove(j)
    schools.append(ls)
[print(item) for item in schools]

результат:

[{'id': '1', 'dlin': '1'}, {'id': '2', 'dlin': '1'}, {'id': '3', 'dlin': '1'}, {'id': '6', 'dlin': '1'}]
[{'id': '1', 'dlin': '1'}, {'id': '2', 'dlin': '1'}, {'id': '3', 'dlin': '1'}, {'id': '6', 'dlin': '1'}]
[{'id': '1', 'dlin': '1'}, {'id': '2', 'dlin': '1'}, {'id': '3', 'dlin': '1'}, {'id': '6', 'dlin': '1'}]
[{'id': '4', 'dlin': '2'}, {'id': '5', 'dlin': '2'}]
[{'id': '4', 'dlin': '2'}, {'id': '5', 'dlin': '2'}]
[{'id': '1', 'dlin': '1'}, {'id': '2', 'dlin': '1'}, {'id': '3', 'dlin': '1'}, {'id': '6', 'dlin': '1'}]

Я должен либо удалить повторяющихся участников из школ, либо изменить код так, чтобы у меня не было дубликатов. Когда я пытаюсь удалить дубликаты из школ, я вижу, что элемент dic не хешируется, поэтому я не могу этого сделать. Доступны решения, которые чем-то похожи на мою проблему. Удалить дубликаты из списка словарей в списке словарей Удалить дубликат dict в списке в Python Однако я не могу понять вон что делать? кто-нибудь знает как решить проблему?

то, что я ожидаю получить, это:

[{'id': '1', 'dlin': '1'}, {'id': '2', 'dlin': '1'}, {'id': '3', 'dlin': '1'}, {'id': '6', 'dlin': '1'}]
[{'id': '4', 'dlin': '2'}, {'id': '5', 'dlin': '2'}]
python list dictionary duplicates hashable
20.08.2019

  • Можете ли вы опубликовать ожидаемый результат? Немного сложно понять, что вы хотите? 20.08.2019

Ответы:


1

Одним из возможных решений является сохранение dlin в качестве ключа в словаре (и словари не могут иметь несколько одинаковых ключей), а не последующее явное удаление дубликатов:

campus = [{'id': '1', 'dlin': '1'}, {'id': '2', 'dlin': '1'},{'id': '3', 'dlin': '1'},{'id': '4', 'dlin': '2'},{'id': '5', 'dlin': '2'},{'id': '6', 'dlin': '1'}, ]

schools = {}
for c in campus:
    schools.setdefault(c['dlin'], []).append(c)

for s in schools.values():
    print(s)

Отпечатки:

[{'id': '1', 'dlin': '1'}, {'id': '2', 'dlin': '1'}, {'id': '3', 'dlin': '1'}, {'id': '6', 'dlin': '1'}]
[{'id': '4', 'dlin': '2'}, {'id': '5', 'dlin': '2'}]
20.08.2019
  • Это то, что я хочу, но я не понимаю, что вы сделали. Что здесь делает setdefault 20.08.2019
  • @AminBa Метод setdefault() возвращает значение ключа из словаря (если ключ находится в словаре). Если ключ не существует, он вставляет ключ со значением в словарь - в этом случае пустой список [] docs.python.org/3/library/stdtypes.html#dict.setdefault 20.08.2019
  • Это было здорово! 20.08.2019

    • 2

    Основываясь на ответе Андрея, я решил другую часть вопроса, который у меня был, и я хотел просто поделиться им здесь:

    Мой вопрос:

    Сейчас я занимаюсь другим вопросом, связанным с предыдущим:

    У меня есть этот список словарей, каждая информация о кампусе. несколько кампусов могут принадлежать школе. Я должен различать и группировать их на основе сходства их имен.

    campus = [
{'id': '1', 'name': 'seneca - york'}, 
{'id': '2', 'name': 'seneca college - north gate campus'},
{'id': '3', 'name': 'humber college - toronto campus'},
{'id': '4', 'name': 'humber college'},
{'id': '5', 'name': 'humber collge - waterloo campus'},
{'id': '6', 'name': 'university of waterloo toronto campus'}, 
]

    мой ожидаемый результат может быть достигнут с помощью этого небольшого и аккуратного кода:

    schools = {}
for c in campus:
    schools.setdefault(c['name'][:4], []).append(c)
print(schools)
    20.08.2019
    Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..