python去除列表中重复元素 Python实现去除列表中重复元素的方法总结【7种方法】
Together_CZ 人气:0这里首先给出来我很早之前写的一篇博客,Python实现去除列表中重复元素的方法小结【4种方法】,感兴趣的话可以去看看,今天是在实践过程中又积累了一些方法,这里一并总结放在这里。
由于内容很简单,就不再过多说明了,这里直接上代码,具体如下:
# !/usr/bin/env python # -*- coding:utf-8 -*- ''' __Author__:沂水寒城 功能: python列表去除方法总结(7种方法) ''' import sys reload(sys) import copy sys.setdefaultencoding("utf-8") from collections import Counter def func1(data_list): ''' 使用内置set方法去重 ''' return list(set(data_list)) def func2(data_list): ''' 借助字典方法fromkeys ''' return list({}.fromkeys(data_list).keys()) def func3(data_list): ''' 使用类列表推导式 ''' res_list=[] for one in data_list: if not one in res_list: res_list.append(one) return res_list def func4(data_list): ''' 使用sorted函数(其实本质上还是使用set方法进行的排序) ''' res_list=copy.deepcopy(data_list) res_list=sorted(set(data_list),key=data_list.index) return res_list def func5(data_list): ''' 使用"排序+计数"的方法 ''' result_list=[] temp_list=sorted(data_list) i=0 while i<len(temp_list): if temp_list[i] not in result_list: result_list.append(temp_list[i]) else: i+=1 return result_list def flagFunc(a): ''' 布尔函数 ''' if a in count_dict: count_dict[a]+=1 return False else: count_dict[a]=1 return True def func6(data_list): ''' 使用map方法 ''' global count_dict count_dict={} tmp_list=map(flagFunc,data_list) return [data_list[i] for i in range(len(data_list)) if tmp_list[i]] def func7(data_list): ''' 借助collections模块中的Counter方法(频度过滤方法) ''' fre_list=Counter(data_list).most_common(len(data_list)) return [one[0] for one in fre_list] if __name__=='__main__': data_list=[12,4,7,3,4,2,4,3,5,12,78,9,0,4,5,0,44,3] print func1(data_list) print func2(data_list) print func3(data_list) print func4(data_list) print func5(data_list) print func6(data_list) print func7(data_list)
结果如下:
[0, 2, 3, 4, 5, 7, 9, 12, 78, 44]
[0, 2, 3, 4, 5, 7, 9, 12, 78, 44]
[12, 4, 7, 3, 2, 5, 78, 9, 0, 44]
[12, 4, 7, 3, 2, 5, 78, 9, 0, 44]
[0, 2, 3, 4, 5, 7, 9, 12, 44, 78]
[12, 4, 7, 3, 2, 5, 78, 9, 0, 44]
[4, 3, 0, 5, 12, 2, 7, 9, 78, 44]
果然还是很有意思的哈!
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对的支持。如果你想了解更多相关内容请查看下面相关链接
加载全部内容