我有一个这样的字符串列表:
['A', 'b','C','adam','ADam','EVe','eve','Eve','d','Adam']个
我只需要在字符串中对重复的值only进行排序，以获得以下输出
['A', 'b','C','ADam','Adam','adam','EVe','Eve','eve','d']个
在这里，‘Adam’，‘Adam’，‘Adam’原本在列表中的不同位置，但按照标准排序，它们应该是这样的.因此，当排序方法看到‘Adam’时，它应该try 查找重复项，按照所有Adam的输出(区分大小写顺序)对列表进行排序和重新排序 请注意，所有其他值保持不变.即‘A’、‘b’、‘C’、‘d’都保持在原来的位置
我能够进行标准的排序或编写复杂的代码来完成这项工作，但我正在寻找一些现有的优化机制，因为这个列表可能很大(数十亿条记录).因此效率至关重要
任何指向现有代码片段库的 idea 或指针都会有所帮助 先谢谢你.
try :
lst = ["A", "b", "C", "adam", "ADam", "EVe", "eve", "Eve", "d", "Adam"]
tmp = {}
for i, word in enumerate(map(str.lower, lst)):
if word not in tmp:
tmp[word] = i
lst = sorted(lst, key=lambda w: (tmp[w.lower()], w))
print(lst)
打印:
['A', 'b', 'C', 'ADam', 'Adam', 'adam', 'EVe', 'Eve', 'eve', 'd']
比较我的答案和@Mozway的答案的基准:
import numpy as np
import pandas as pd
from timeit import timeit
lst = ["A", "b", "C", "adam", "ADam", "EVe", "eve", "Eve", "d", "Adam"]
def sort_1(lst):
tmp = {}
for i, word in enumerate(map(str.lower, lst)):
if word not in tmp:
tmp[word] = i
lst.sort(key=lambda w: (tmp[w.lower()], w))
return lst
def sort_2(s):
return s.iloc[np.lexsort([s, pd.factorize(s.str.lower())[0]])]
t1 = timeit("sort_1(l)", setup="l = lst*10_000", number=1, globals=globals())
t2 = timeit("sort_2(s)", setup="s = pd.Series(lst*10_000)", number=1, globals=globals())
print(t1)
print(t2)
我的机器上的 fingerprint :Python3.9/AMD 3700x:
0.04437247384339571
0.05633149994537234