python - 如何将带有数字的数据转换为包含列表列表的字典？

Question

values/test/10/blueprint-0.png,2089.0,545.0,2100.0,546.0
values/test/10/blueprint-0.png,2112.0,545.0,2136.0,554.0

我想做的是读取一个包含数百个值的 .txt 文件，如上面共享的值，以创建一个字典，其键是其中前 2 个数字的值；我的预期输出:

mydict = {
    '10-0': [[2089,545,2100,545,2100,546,2089,546], 
             [2112,545,2136,545,2136,554,2112,554]],
}

为了解释我们如何从 4 个数字变成 8 个数字，让我们将它们视为 x1、y1、x2、y2 首先，在输出中它们组合为 x1、y1、x2、y1， x2, y2, x1, y2

在实际数据中，我有数百个值，因此如果开始的 2 个元素不同，我将有不同的键。假设 .txt 文件中的行以 values/test/10/blueprint-1.png 开头，则键为 '10-1'。

我尝试过的:

import re

import itertools

file_data = [re.findall('\d+', i.strip('\n')) for i in open('ground_truth')]
print(file_data)
final_data = [['{}-{}'.format(a, b), list(map(float, c))] for a, b, *c in file_data]
new_data = {a: list(map(lambda x: x[-1], b)) for a, b in
            itertools.groupby(sorted(final_data, key=lambda x: x[0]), key=lambda x: x[0])}

但是我得到了

ValueError: not enough values to unpack (expected at least 2, got 1)

而且我似乎无法将我的问题从一个包含这两行的简单文件解决到 mydict 中预期的答案。

请注意，以这一行为例 values/test/10/blueprint-0.png,2089.0,545.0,2100.0,546.0 我们将找到这些数字 [10, 0, 2089 , 0, 545, 0, 2100, 0, 546, 0] 和元素 3、5、7 和 9 中的 0 是不相关的，因为这些数字在列表中。这些可以通过打印 file_data 来查看，就像我在上面的代码中所做的那样。

Answer 1

您需要使用更复杂的正则表达式来忽略小数点 .0值(value)观:

re.findall(r'(?<!\.)\d+', i)

这使用负向后视，忽略任何以 . 开头的数字.这将忽略 .0 , 但如果有 .01 , 然后那些超出 .0 的额外数字(或 .<digit> )仍会被拾起。对于您的输入应该足够了。

我会在这里使用常规循环来使代码更具可读性，并使代码保持 O(N) 而不是 O(NlogN)(不需要排序):

new_data = {}
with open('ground_truth') as f:
    for line in f:
        k1, k2, x1, y1, x2, y2 = map(int, re.findall(r'(?<!\.)\d+', line))
        key = '{}-{}'.format(k1, k2)
        new_data.setdefault(key, []).append([x1, y1, x2, y1, x2, y2, x1, y2])

我硬编码了你的 x, y这里的组合，因为您似乎有一个非常具体的所需顺序。

演示:

>>> import re
>>> file_data = '''\
... values/test/10/blueprint-0.png,2089.0,545.0,2100.0,546.0
... values/test/10/blueprint-0.png,2112.0,545.0,2136.0,554.0
... '''
>>> new_data = {}
>>> for line in file_data.splitlines(True):
...     k1, k2, x1, y1, x2, y2 = map(int, re.findall(r'(?<!\.)\d+', line))
...     key = '{}-{}'.format(k1, k2)
...     new_data.setdefault(key, []).append([x1, y1, x2, y1, x2, y2, x1, y2])
...
>>> new_data
{'10-0': [[2089, 545, 2100, 545, 2100, 546, 2089, 546], [2112, 545, 2136, 545, 2136, 554, 2112, 554]]}

一个不错的选择是将您的输入文件视为 CSV 格式!使用 csv module 是拆分列的好方法，之后你只需要处理第一个文件名列中的数字:

import csv, re

new_data = {}
with open('ground_truth') as f:
    reader = csv.reader(f)
    for filename, *numbers in reader:
        k1, k2 = re.findall(r'\d+', filename)  # no need to even convert to int
        key = '{}-{}'.format(k1, k2)
        x1, y1, x2, y2 = (int(float(n)) for n in numbers)
        new_data.setdefault(key, []).append([x1, y1, x2, y1, x2, y2, x1, y2])