为列表中的每个唯一值分配一个数字

Question

我有一个字符串列表。我想为每个字符串分配一个唯一的编号（确切的编号并不重要），并按顺序使用这些编号创建一个长度相同的列表。下面是我最好的尝试，但我不开心的原因有两个：

1. 它假定相同的值是彼此相邻

2. 我不得不用0启动列表中，否则输出将是不正确

我的代码：

names = ['ll', 'll', 'll', 'hl', 'hl', 'hl', 'LL', 'LL', 'LL', 'HL', 'HL', 'HL'] 
numbers = [0] 
num = 0 
for item in range(len(names)): 
    if item == len(names) - 1: 
     break 
    elif names[item] == names[item+1]: 
     numbers.append(num) 
    else: 
     num = num + 1 
     numbers.append(num) 
print(numbers) 

我想让代码更通用，所以它将与未知列表一起工作。有任何想法吗？

Answer 1

不使用外部库（检查编辑为Pandas解决方案），你可以按如下做：

d = {ni: indi for indi, ni in enumerate(set(names))} 
numbers = [d[ni] for ni in names] 

简要说明：

在第一行中，您为列表中的每个唯一元素指定一个编号（存储在字典d中;你可以使用字典理解来轻松创建它; set返回names的独特元素）。

然后，在第二行中，您执行列表理解并将实际数字存储在列表numbers中。

一个例子来说明，它也能正常工作的无序列表：

# 'll' appears all over the place 
names = ['ll', 'll', 'hl', 'hl', 'hl', 'LL', 'LL', 'll', 'LL', 'HL', 'HL', 'HL', 'll'] 

这是输出numbers：

[1, 1, 3, 3, 3, 2, 2, 1, 2, 0, 0, 0, 1] 

正如你所看到的，与ll出现相关的数字1在正确的地方。

编辑

如果你有Pandas可用，还可以使用pandas.factorize：

import pandas as pd 

pd.factorize(names) 

将回

(array([(array([0, 0, 1, 1, 1, 2, 2, 0, 2, 3, 3, 3, 0]), 
array(['ll', 'hl', 'LL', 'HL'], dtype=object)) 

因此，

numbers = pd.factorize(names)[0] 

Answer 2

由于您将字符串映射为整数，因此建议使用字典。所以，你可以做到以下几点：

d = dict() 

counter = 0 

for name in names: 
    if name in d: 
     continue 
    d[name] = counter 
    counter += 1 

numbers = [d[name] for name in names] 

Answer 3

你可以试试这个另外： -

names = ['ll', 'll', 'll', 'hl', 'hl', 'hl', 'LL', 'LL', 'LL', 'HL', 'HL', 'HL'] 

indexList = list(set(names)) 

print map(lambda name:indexList.index(name),names) 

Answer 4

我设法非常轻微的修改脚本，它看起来不错：

names = ['ll', 'hl', 'll', 'hl', 'LL', 'll', 'LL', 'HL', 'hl', 'HL', 'LL', 'HL', 'zzz'] 
names.sort() 
print(names) 
numbers = [] 
num = 0 
for item in range(len(names)): 
    if item == len(names) - 1: 
     break 
    elif names[item] == names[item+1]: 
     numbers.append(num) 
    else: 
     numbers.append(num) 
     num = num + 1 
numbers.append(num) 
print(numbers) 

你可以看到它是非常simmilar，唯一的一点是，对于下一个元素，而不是增加数量我添加的编号为当前元素。就这样。哦，并整理。它首先排序资本，然后在这个例子中小写，如果你想改变它，你可以使用sort(key= lambda:x ...)。 （也许是这样的：names.sort(key = lambda x: (x.upper() if x.lower() == x else x.lower())) ）

Answer 5

为了使它更通用，你可以把它包装在一个函数中，所以这些硬编码的值不会造成任何伤害，因为它们是本地的。

如果使用有效的查找的容器（我将使用一个简单的字典）你可以保持每个字符串的第一个指标没有松动得多的性能：

def your_function(list_of_strings): 

    encountered_strings = {} 
    result = [] 

    idx = 0 
    for astring in list_of_strings: 
     if astring in encountered_strings: # check if you already seen this string 
      result.append(encountered_strings[astring]) 
     else: 
      encountered_strings[astring] = idx 
      result.append(idx) 
      idx += 1 
    return result 

，这将在顺序分配指标（即使这并不重要）：

>>> your_function(['ll', 'll', 'll', 'hl', 'hl', 'hl', 'LL', 'LL', 'LL', 'HL', 'HL', 'HL']) 
[0, 0, 0, 1, 1, 1, 2, 2, 2, 3, 3, 3] 

这只需要对字符串列表进行一次迭代，这使得甚至可以处理生成器和类似的操作。

Answer 6

如果条件是数字是唯一的，并且确切的数字并不重要，那么您可以建立一个映射，将列表中的每个项目与动态中的唯一编号相关联，从计数对象分配值：

from itertools import count 

names = ['ll', 'll', 'hl', 'hl', 'LL', 'LL', 'LL', 'HL', 'll'] 

d = {} 
c = count() 
numbers = [d.setdefault(i, next(c)) for i in names] 
print(numbers) 
# [0, 0, 2, 2, 4, 4, 4, 7, 0] 

---

您可以通过列表和计数对象上使用map，并设置地图功能{}.setdefault废除多余的名称（见@ StefanPochmann的评论）：

from itertools import count 

names = ['ll', 'll', 'hl', 'hl', 'LL', 'LL', 'LL', 'HL', 'll'] 
numbers = map({}.setdefault, names, count()) # call list() on map for Py3 
print(numbers) 
# [0, 0, 2, 2, 4, 4, 4, 7, 0] 

---

作为一个额外的，你也可以使用np.unique，如果你已经numpy的安装：

import numpy as np 

_, numbers = np.unique(names, return_inverse=True) 
print(numbers) 
# [3 3 2 2 1 1 1 0 3] 

Answer 7

如果你有k不同的价值观，这将它们映射到整数0到k-1中的顺序第一次出现：

>>> names = ['b', 'c', 'd', 'c', 'b', 'a', 'b'] 
>>> tmp = {} 
>>> [tmp.setdefault(name, len(tmp)) for name in names] 
[0, 1, 2, 1, 0, 3, 0] 

Answer 8

这是一个类似的factorizing解决方案与collections.defaultdictitertools.count：

import itertools as it 
import collections as ct 


names = ['ll', 'll', 'hl', 'hl', 'LL', 'LL', 'LL', 'HL', 'll'] 

dd = ct.defaultdict(it.count().__next__) 
[dd[i] for i in names] 
# [0, 0, 1, 1, 2, 2, 2, 3, 0] 

每一个新出现调用itertools.count下一个整数，并增加了新的条目dd。