python - 在 Python 中将字符串分配给 ID

Question

我正在使用 python 读取文本文件，其格式设置为每列中的值可能是数字或字符串。

当这些值是字符串时，我需要分配该字符串的唯一 ID（在同一列下的所有字符串中唯一；如果相同的字符串出现在同一列下的其他位置，则必须分配相同的 ID）。

什么是有效的方法？

Answer 1

使用带有默认值工厂的 defaultdict 来生成新的 id：

ids = collections.defaultdict(itertools.count().next)
ids['a']  # 0
ids['b']  # 1
ids['a']  # 0

当您在 defaultdict 中查找键时，如果它不存在，则 defaultdict 会调用用户提供的默认值工厂来获取值并在返回之前存储它。

collections.count()创建一个从 0 开始计数的迭代器，因此collections.count().next是一个绑定方法，它在您调用它时会生成一个新整数。

结合起来，这些工具会生成一个 dict，当您查找以前从未查找过的内容时，该 dict 会返回一个新整数。

Answer 2

为 python 3 更新了 defaultdict 答案，.next现在在哪里.__next__，并且为了 pylint 合规性，不鼓励使用“魔术”__*__方法：

ids = collections.defaultdict(functoools.partial(next, itertools.count()))

Answer 3

创建一个集合，然后将字符串添加到该集合。这将确保字符串不重复；然后您可以使用 enumerate 来获取每个字符串的唯一 ID。再次写出文件时使用此 ID。

在这里，我假设第二列是您要扫描文本或整数的列。

seen = set()
with open('somefile.txt') as f:
   reader = csv.reader(f, delimiter=',')
   for row in reader:
      try:
         int(row[1])
      except ValueError:
         seen.add(row[1]) # adds string to set

# print the unique ids for each string

for id,text in enumerate(seen):
    print("{}: {}".format(id, text))

现在您可以采用相同的逻辑，并将其复制到文件的每一列。如果您预先知道列长，则可以有一个集合列表。假设文件有三列：

unique_strings = [set(), set(), set()]

with open('file.txt') as f:
    reader = csv.reader(f, delimiter=',')
    for row in reader:
       for column,value in enumerate(row):
           try:
               int(value)
           except ValueError:
               # It is not an integer, so it must be
               # a string
               unique_strings[column].add(value)