Question

我有两个列表，其中包含列表元素，例如：

list1 = [['placeholder1', {'data': 'data1'}], ['placeholder2', {'data': 'data2'}], ['placeholder2', {'data': 'data1'}]]
list2 = [['placeholder2', {'data': 'data2'}], ['placeholder3', {'data': 'data5'}]]

intersection_result = [['placeholder2', {'data': 'data2'}]]

子列表元素的结构只是一个例子。还可能发生所有子列表元素包含字符串['asdf', 'qwert']或字符串和数字['sdfs', 232]的混合。但是，子列表结构始终相同（在两个列表中）。

如何获得两个列表中相同的列表元素的交集？

Answer 1

如果我的理解是正确的，你可以通过检查并选择最小列表中等于较大列表中元素的any()来获得交集。

通过理解，这看起来像这样：

intersection_res = [l for l in min(list2, list1, key=len) if any(l == l2 for l2 in max(list1, list2, key=len))]

这使用min和max，并为len分配了一个密钥，以便始终从较小的列表中进行选择，并检查较大的列表。

这会产生：

print(intersection_res)
[['placeholder2', {'data': 'data2'}]]

如果您预先指定最小 - 最大列表，或者当您始终确定哪个列表大于另一个列表时，可以减少这种理解：

sm, la = list1, list2 if len(list1) < len(list2) else list2, list1
intersection_res = [l for l in sm if any(l == l2 for l2 in la)]

Answer 2

一个简单的解决方案，独立于数据结构。您可以为数据生成signature hashes（使用json或pformat），并在list1和list2中找到常见的哈希值。

演示：http://ideone.com/5i9cs8

import json

list1 = [['placeholder1', {'data': 'data1'}], ['placeholder2', {'data': 'data2'}], ['placeholder2', {'data': 'data1'}]]
list2 = [['placeholder2', {'data': 'data2'}], ['placeholder3', {'data': 'data5'}]]
sig1 = { hash(json.dumps(x, sort_keys=True)):x for x in list1 }
sig2 = { hash(json.dumps(x, sort_keys=True)):x for x in list2 }
result = {x:sig1[x] for x in sig1 if x in sig2}
print(result)
#prints {-7754841686355067234: ['placeholder2', {'data': 'data2'}]}

如果您的词典中包含不支持json序列化的数据，例如datetime，pformat运行良好，或者你可以使用cPickle，str也适用于简单的情况。您可以根据所需的数据集和效率做出选择。

获取具有不同子列表数据类型的列表元素的交集

2 个答案: