Tengo una lista de tuplas con la siguiente estructura:
lista = [('A', 25.5), ('B', 0.14), ('C', 0.0),('A', 28), ('C', 0.3), ('B', 0.18), ('A', 23)]
Solo he puesto A
, B
y C
pero puede contener más tipos.
A partir de esa estructura quiero llegar a agruparlas en un diccionario obteniendo la siguiente salida:
salida = {'A': [25.5, 28, 23], 'B': [0.14, 0.18], 'C': [0.0, 0.3]}
He conseguido hacerlo con la función transformar del código que pongo a continuación, pero voy a tener que hacerlo con millones de registros por lo que necesitaría optimizarlo, ya que es probable que haya formas mejores pero llevo ya bastante peleándome con esto.
Para probar, he creado una lista de 40 millones de tuplas con la función listaPrueba
y con la función transformar que tengo ha tardado 19,63 segundos.
Si alguien encuentra una manera más eficiente, lo agradecería.
import itertools
import time
numero = 10000000
def listaPrueba(num):
return [('A', 1), ('B', 2), ('C', 3), ('D', 4)] * num
lst_Pruebas = listaPrueba(numero)
def transformar(lista, diccionario={}):
for clave, grupo in itertools.groupby(lista, lambda x: x[0]):
for elemento in grupo:
diccionario.setdefault(clave, []).append(elemento[1])
return diccionario
inicio = time.perf_counter()
salida = transformar(lst_Pruebas)
print(f'Tiempo: {time.perf_counter()-inicio}')
assert sum(salida['A']) == numero * 1
assert sum(salida['B']) == numero * 2
assert sum(salida['C']) == numero * 3
assert sum(salida['D']) == numero * 4
He utilizado itertools porque imagino que estará optimizado para iteraciones, pero no estoy seguro, así que me da igual la manera de resolverlo.