例如，给定列表['one', 'two', 'one']，算法应该返回True，而给定['one', 'two', 'three']它应该返回False。
问问题
311064 次
15 回答
467
如果所有值都是可散列的，则用于set()删除重复项：
>>> your_list = ['one', 'two', 'one']
>>> len(your_list) != len(set(your_list))
True
于 2009-10-09T04:38:45.617 回答
65
仅推荐用于短名单：
any(thelist.count(x) > 1 for x in thelist)
不要在长列表上使用——它所花费的时间与列表中项目数的平方成正比！
对于具有可散列项（字符串、数字等）的较长列表：
def anydup(thelist):
seen = set()
for x in thelist:
if x in seen: return True
seen.add(x)
return False
如果您的项目不可散列（子列表、字典等），它会变得更加毛茸茸，但如果它们至少具有可比性，仍有可能获得 O(N logN)。但是您需要知道或测试项目的特征（可散列与否，可比较或不可比较）以获得最佳性能 - O(N) 用于可散列，O(N log N) 用于不可散列可比较，否则它下降到 O(N 平方)，对此无能为力:-(。
于 2009-10-09T04:36:37.100 回答
18
我认为比较这里介绍的不同解决方案的时间会很有用。为此，我使用了自己的库simple_benchmark：
因此，对于这种情况，Denis Otkidach的解决方案确实是最快的。
一些方法还表现出更陡峭的曲线，这些方法与元素数量成二次方（Alex Martellis 第一个解决方案、wjandrea 和 Xavier Decorets 解决方案）。另外值得一提的是，Keiku 的 pandas 解决方案有一个非常大的常数因子。但是对于更大的列表，它几乎可以赶上其他解决方案。
并且如果副本位于第一个位置。这对于查看哪些解决方案正在短路很有用：
这里有几种方法不会短路：Kaiku、Frank、Xavier_Decoret（第一个解决方案）、Turn、Alex Martelli（第一个解决方案）和 Denis Otkidach 提出的方法（在不重复的情况下最快）。
我在这里包含了我自己的库中的一个函数：iteration_utilities.all_distinct它可以在无重复情况下与最快的解决方案竞争，并在开始重复的情况下以恒定时间执行（尽管不是最快的）。
基准测试的代码：
from collections import Counter
from functools import reduce
import pandas as pd
from simple_benchmark import BenchmarkBuilder
from iteration_utilities import all_distinct
b = BenchmarkBuilder()
@b.add_function()
def Keiku(l):
return pd.Series(l).duplicated().sum() > 0
@b.add_function()
def Frank(num_list):
unique = []
dupes = []
for i in num_list:
if i not in unique:
unique.append(i)
else:
dupes.append(i)
if len(dupes) != 0:
return False
else:
return True
@b.add_function()
def wjandrea(iterable):
seen = []
for x in iterable:
if x in seen:
return True
seen.append(x)
return False
@b.add_function()
def user(iterable):
clean_elements_set = set()
clean_elements_set_add = clean_elements_set.add
for possible_duplicate_element in iterable:
if possible_duplicate_element in clean_elements_set:
return True
else:
clean_elements_set_add( possible_duplicate_element )
return False
@b.add_function()
def Turn(l):
return Counter(l).most_common()[0][1] > 1
def getDupes(l):
seen = set()
seen_add = seen.add
for x in l:
if x in seen or seen_add(x):
yield x
@b.add_function()
def F1Rumors(l):
try:
if next(getDupes(l)): return True # Found a dupe
except StopIteration:
pass
return False
def decompose(a_list):
return reduce(
lambda u, o : (u[0].union([o]), u[1].union(u[0].intersection([o]))),
a_list,
(set(), set()))
@b.add_function()
def Xavier_Decoret_1(l):
return not decompose(l)[1]
@b.add_function()
def Xavier_Decoret_2(l):
try:
def func(s, o):
if o in s:
raise Exception
return s.union([o])
reduce(func, l, set())
return True
except:
return False
@b.add_function()
def pyrospade(xs):
s = set()
return any(x in s or s.add(x) for x in xs)
@b.add_function()
def Alex_Martelli_1(thelist):
return any(thelist.count(x) > 1 for x in thelist)
@b.add_function()
def Alex_Martelli_2(thelist):
seen = set()
for x in thelist:
if x in seen: return True
seen.add(x)
return False
@b.add_function()
def Denis_Otkidach(your_list):
return len(your_list) != len(set(your_list))
@b.add_function()
def MSeifert04(l):
return not all_distinct(l)
对于论点：
# No duplicate run
@b.add_arguments('list size')
def arguments():
for exp in range(2, 14):
size = 2**exp
yield size, list(range(size))
# Duplicate at beginning run
@b.add_arguments('list size')
def arguments():
for exp in range(2, 14):
size = 2**exp
yield size, [0, *list(range(size)]
# Running and plotting
r = b.run()
r.plot()
于 2019-06-25T20:34:03.540 回答
14
这是旧的，但这里的答案让我得到了一个稍微不同的解决方案。如果您愿意滥用理解，则可以通过这种方式短路。
xs = [1, 2, 1]
s = set()
any(x in s or s.add(x) for x in xs)
# You can use a similar approach to actually retrieve the duplicates.
s = set()
duplicates = set(x for x in xs if x in s or s.add(x))
于 2013-08-29T16:03:06.757 回答
9
如果你喜欢函数式编程风格，这里有一个有用的函数，使用doctest进行自我记录和测试的代码。
def decompose(a_list):
"""Turns a list into a set of all elements and a set of duplicated elements.
Returns a pair of sets. The first one contains elements
that are found at least once in the list. The second one
contains elements that appear more than once.
>>> decompose([1,2,3,5,3,2,6])
(set([1, 2, 3, 5, 6]), set([2, 3]))
"""
return reduce(
lambda (u, d), o : (u.union([o]), d.union(u.intersection([o]))),
a_list,
(set(), set()))
if __name__ == "__main__":
import doctest
doctest.testmod()
从那里您可以通过检查返回对的第二个元素是否为空来测试唯一性：
def is_set(l):
"""Test if there is no duplicate element in l.
>>> is_set([1,2,3])
True
>>> is_set([1,2,1])
False
>>> is_set([])
True
"""
return not decompose(l)[1]
请注意，这效率不高，因为您正在显式构建分解。但是沿着使用 reduce 的思路，你可以找到等效的方法（但效率稍低）来回答 5：
def is_set(l):
try:
def func(s, o):
if o in s:
raise Exception
return s.union([o])
reduce(func, l, set())
return True
except:
return False
于 2011-06-06T10:44:28.910 回答
5
我最近回答了一个相关问题，使用生成器在列表中建立所有重复项。它的优点是如果只是用来确定“是否有重复”，那么您只需获取第一项，其余的可以忽略，这是最终的捷径。
这是一个有趣的基于集合的方法，我直接从moooeeeep改编而来：
def getDupes(l):
seen = set()
seen_add = seen.add
for x in l:
if x in seen or seen_add(x):
yield x
因此，完整的受骗列表将是list(getDupes(etc)). 为了简单地测试“如果”有一个骗子，它应该被包装如下：
def hasDupes(l):
try:
if getDupes(l).next(): return True # Found a dupe
except StopIteration:
pass
return False
这可以很好地扩展并在列表中的任何地方提供一致的操作时间——我测试了最多 1m 个条目的列表。如果您对数据有所了解，特别是上半场可能会出现骗子，或者其他让您扭曲要求的事情，例如需要获取实际的骗子，那么有几个真正替代的骗子定位器那可能会跑赢。我推荐的两个是...
简单的基于 dict 的方法，非常易读：
def getDupes(c):
d = {}
for i in c:
if i in d:
if d[i]:
yield i
d[i] = False
else:
d[i] = True
在排序列表上利用 itertools（本质上是一个 ifilter/izip/tee），如果你得到所有的欺骗，虽然没有那么快得到第一个，但效率很高：
def getDupes(c):
a, b = itertools.tee(sorted(c))
next(b, None)
r = None
for k, g in itertools.ifilter(lambda x: x[0]==x[1], itertools.izip(a, b)):
if k != r:
yield k
r = k
这些是我为完整欺骗列表尝试的方法中表现最好的方法，第一个欺骗发生在从开始到中间的 1m 元素列表中的任何位置。令人惊讶的是，排序步骤增加的开销如此之小。您的里程可能会有所不同，但这是我的具体计时结果：
Finding FIRST duplicate, single dupe places "n" elements in to 1m element array
Test set len change : 50 - . . . . . -- 0.002
Test in dict : 50 - . . . . . -- 0.002
Test in set : 50 - . . . . . -- 0.002
Test sort/adjacent : 50 - . . . . . -- 0.023
Test sort/groupby : 50 - . . . . . -- 0.026
Test sort/zip : 50 - . . . . . -- 1.102
Test sort/izip : 50 - . . . . . -- 0.035
Test sort/tee/izip : 50 - . . . . . -- 0.024
Test moooeeeep : 50 - . . . . . -- 0.001 *
Test iter*/sorted : 50 - . . . . . -- 0.027
Test set len change : 5000 - . . . . . -- 0.017
Test in dict : 5000 - . . . . . -- 0.003 *
Test in set : 5000 - . . . . . -- 0.004
Test sort/adjacent : 5000 - . . . . . -- 0.031
Test sort/groupby : 5000 - . . . . . -- 0.035
Test sort/zip : 5000 - . . . . . -- 1.080
Test sort/izip : 5000 - . . . . . -- 0.043
Test sort/tee/izip : 5000 - . . . . . -- 0.031
Test moooeeeep : 5000 - . . . . . -- 0.003 *
Test iter*/sorted : 5000 - . . . . . -- 0.031
Test set len change : 50000 - . . . . . -- 0.035
Test in dict : 50000 - . . . . . -- 0.023
Test in set : 50000 - . . . . . -- 0.023
Test sort/adjacent : 50000 - . . . . . -- 0.036
Test sort/groupby : 50000 - . . . . . -- 0.134
Test sort/zip : 50000 - . . . . . -- 1.121
Test sort/izip : 50000 - . . . . . -- 0.054
Test sort/tee/izip : 50000 - . . . . . -- 0.045
Test moooeeeep : 50000 - . . . . . -- 0.019 *
Test iter*/sorted : 50000 - . . . . . -- 0.055
Test set len change : 500000 - . . . . . -- 0.249
Test in dict : 500000 - . . . . . -- 0.145
Test in set : 500000 - . . . . . -- 0.165
Test sort/adjacent : 500000 - . . . . . -- 0.139
Test sort/groupby : 500000 - . . . . . -- 1.138
Test sort/zip : 500000 - . . . . . -- 1.159
Test sort/izip : 500000 - . . . . . -- 0.126
Test sort/tee/izip : 500000 - . . . . . -- 0.120 *
Test moooeeeep : 500000 - . . . . . -- 0.131
Test iter*/sorted : 500000 - . . . . . -- 0.157
于 2015-07-22T16:54:59.407 回答
3
另一种简洁的方法是使用Counter。
要确定原始列表中是否有任何重复项：
from collections import Counter
def has_dupes(l):
# second element of the tuple has number of repetitions
return Counter(l).most_common()[0][1] > 1
或获取具有重复项的项目列表：
def get_dupes(l):
return [k for k, v in Counter(l).items() if v > 1]
于 2018-02-05T03:56:05.570 回答
3
my_list = ['one', 'two', 'one']
duplicates = []
for value in my_list:
if my_list.count(value) > 1:
if value not in duplicates:
duplicates.append(value)
print(duplicates) //["one"]
于 2019-10-09T11:05:55.570 回答
2
我发现这样做的性能最好，因为它在第一次复制时会短路操作，然后这个算法的时间和空间复杂度为 O(n)，其中 n 是列表的长度：
def has_duplicated_elements(iterable):
""" Given an `iterable`, return True if there are duplicated entries. """
clean_elements_set = set()
clean_elements_set_add = clean_elements_set.add
for possible_duplicate_element in iterable:
if possible_duplicate_element in clean_elements_set:
return True
else:
clean_elements_set_add( possible_duplicate_element )
return False
于 2018-07-09T00:25:40.140 回答
1
如果列表包含不可散列的项目，您可以使用Alex Martelli 的解决方案，但使用列表而不是集合，尽管对于较大的输入它会更慢：O(N^2)。
def has_duplicates(iterable):
seen = []
for x in iterable:
if x in seen:
return True
seen.append(x)
return False
于 2019-06-23T01:44:54.183 回答
0
我真的不知道 set 在幕后做了什么，所以我只想保持简单。
def dupes(num_list):
unique = []
dupes = []
for i in num_list:
if i not in unique:
unique.append(i)
else:
dupes.append(i)
if len(dupes) != 0:
return False
else:
return True
于 2019-02-05T04:57:27.143 回答
0
一个更简单的解决方案如下。只需使用 pandas.duplicated()方法检查 True/False，然后求和。另请参阅 pandas.Series.duplicated — pandas 0.24.1 文档
import pandas as pd
def has_duplicated(l):
return pd.Series(l).duplicated().sum() > 0
print(has_duplicated(['one', 'two', 'one']))
# True
print(has_duplicated(['one', 'two', 'three']))
# False
于 2019-02-25T08:18:53.713 回答
0
为了简单起见，我使用了 pyrospade 的方法，并在由不区分大小写的 Windows 注册表组成的简短列表中对其进行了稍微修改。
如果将原始 PATH 值字符串拆分为单独的路径，则可以使用以下方法删除所有“空”路径（空或仅限空格的字符串）：
PATH_nonulls = [s for s in PATH if s.strip()]
def HasDupes(aseq) :
s = set()
return any(((x.lower() in s) or s.add(x.lower())) for x in aseq)
def GetDupes(aseq) :
s = set()
return set(x for x in aseq if ((x.lower() in s) or s.add(x.lower())))
def DelDupes(aseq) :
seen = set()
return [x for x in aseq if (x.lower() not in seen) and (not seen.add(x.lower()))]
出于测试目的，原始 PATH 既有“空”条目也有重复项：
[list] Root paths in HKLM\SYSTEM\CurrentControlSet\Control\Session Manager\Environment:PATH[list] Root paths in HKLM\SYSTEM\CurrentControlSet\Control\Session Manager\Environment
1 C:\Python37\
2
3
4 C:\Python37\Scripts\
5 c:\python37\
6 C:\Program Files\ImageMagick-7.0.8-Q8
7 C:\Program Files (x86)\poppler\bin
8 D:\DATA\Sounds
9 C:\Program Files (x86)\GnuWin32\bin
10 C:\Program Files (x86)\Intel\iCLS Client\
11 C:\Program Files\Intel\iCLS Client\
12 D:\DATA\CCMD\FF
13 D:\DATA\CCMD
14 D:\DATA\UTIL
15 C:\
16 D:\DATA\UHELP
17 %SystemRoot%\system32
18
19
20 D:\DATA\CCMD\FF%SystemRoot%
21 D:\DATA\Sounds
22 %SystemRoot%\System32\Wbem
23 D:\DATA\CCMD\FF
24
25
26 c:\
27 %SYSTEMROOT%\System32\WindowsPowerShell\v1.0\
28
空路径已被删除，但仍有重复项，例如 (1, 3) 和 (13, 20)：
[list] Null paths removed from HKLM\SYSTEM\CurrentControlSet\Control\Session Manager\Environment:PATH
1 C:\Python37\
2 C:\Python37\Scripts\
3 c:\python37\
4 C:\Program Files\ImageMagick-7.0.8-Q8
5 C:\Program Files (x86)\poppler\bin
6 D:\DATA\Sounds
7 C:\Program Files (x86)\GnuWin32\bin
8 C:\Program Files (x86)\Intel\iCLS Client\
9 C:\Program Files\Intel\iCLS Client\
10 D:\DATA\CCMD\FF
11 D:\DATA\CCMD
12 D:\DATA\UTIL
13 C:\
14 D:\DATA\UHELP
15 %SystemRoot%\system32
16 D:\DATA\CCMD\FF%SystemRoot%
17 D:\DATA\Sounds
18 %SystemRoot%\System32\Wbem
19 D:\DATA\CCMD\FF
20 c:\
21 %SYSTEMROOT%\System32\WindowsPowerShell\v1.0\
最后，骗子已被删除：
[list] Massaged path list from in HKLM\SYSTEM\CurrentControlSet\Control\Session Manager\Environment:PATH
1 C:\Python37\
2 C:\Python37\Scripts\
3 C:\Program Files\ImageMagick-7.0.8-Q8
4 C:\Program Files (x86)\poppler\bin
5 D:\DATA\Sounds
6 C:\Program Files (x86)\GnuWin32\bin
7 C:\Program Files (x86)\Intel\iCLS Client\
8 C:\Program Files\Intel\iCLS Client\
9 D:\DATA\CCMD\FF
10 D:\DATA\CCMD
11 D:\DATA\UTIL
12 C:\
13 D:\DATA\UHELP
14 %SystemRoot%\system32
15 D:\DATA\CCMD\FF%SystemRoot%
16 %SystemRoot%\System32\Wbem
17 %SYSTEMROOT%\System32\WindowsPowerShell\v1.0\
于 2019-06-27T03:09:08.403 回答
0
def check_duplicates(my_list):
seen = {}
for item in my_list:
if seen.get(item):
return True
seen[item] = True
return False
于 2020-03-11T15:00:44.247 回答
0
另一种解决方案是使用slicing，它也适用于字符串和其他可枚举的东西。
def has_duplicates(x):
for idx, item in enumerate(x):
if item in x[(idx + 1):]:
return True
return False
>>> has_duplicates(["a", "b", "c"])
False
>>> has_duplicates(["a", "b", "b", "c"])
True
>>> has_duplicates("abc")
False
>>> has_duplicates("abbc")
True
于 2022-02-09T20:34:37.850 回答