Discussion :

[yoshik]

Bonjour,

Je dispose de 2 Listes, Lf et Li, composées chacune de groupes de 4 lettres (plusieurs milliers) en plusieurs "exemplaires" parfois dans chacune.
Ex:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
>>> Lf=['ACBD', 'AABB', 'ABBB','ACBD','ACBD','ABBB']
>>> Li=['ACBD', 'AAAB', 'AABB','ACBD','ACBD','AABB']

Je voudrais fondre ces deux listes en une liste de tuples (triés) en éliminant les doublons et en gardant le nombre total d'exemplaires de chaque :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Lt=[('AAAB',1),('AABB',3),('ABBB',2),('ACBD',6)]

J'ai trouvé :
- comment éliminer les doublons

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 >>> Lt= list(set(Lf))
Lt.sort()

,
- je saurais compter le nombre d'occurences de chaque groupe dans chaque fichier...

Mais je ne sais pas comment combiner les deux, alors j'ai créé une fonction:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
 
def tri_et_compte(Lf, nb):
    no,L=0,[]
    for i in xrange(nb):
        x1,x2,x3=Lf[i-1],Lf[i],Lf[i+1]
        if x2 == x3:
            no+=1
        else:
            if x2 == x1:
                no+=1
                L.append((x2,no))
                no=0
            else :
                L.append((x2,1))
                no=0
    nl=len(L)
    return L,nl 
 
Lf=['ACBD', 'AABB', 'ABBB','ACBD','ACBD','ABBB']
Li=['ACBD', 'AAAB', 'AABB','ACBD','ACBD','AABB']
Lf+=Li
Lf.sort()
nbl=len(Lf)  
Lf.append('>>>>')
L=[]
L,nl=tri_et_compte(Lf,nbl)
print L

Mais je trouve ça lourd, emprunté et "naïf"... Alors je me dis qu'il y a certainement plus sioux et plus rapide...

Donc, vos suggestions sont les bienvenues...

Merci d'avance

[pacificator]

en passant par une liste intermédiaire et en utilisant une list comprehension:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
Lf = ['ACBD', 'AABB', 'ABBB','ACBD','ACBD','ABBB']
Li = ['ACBD', 'AAAB', 'AABB','ACBD','ACBD','AABB']
Ltemp = Li+ Lf
Lt = sorted([(x, Ltemp.count(x)) for x in set(Ltemp)])
print Lt

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

[('AAAB', 1), ('AABB', 3), ('ABBB', 2), ('ACBD', 6)]

[ctiti60]

Salut,

Et pourquoi ne pas utiliser un dictionnaire au lieu d'une liste de tuples ?
Si tu trouves la clé, tu incrémentes le compteur contenu dans la valeur, sinon tu ajouter une nouvelle entrée.

[yoshik]

Bonjour,

Réponses rapides... très rapides ! Merci...
Oui ça marche bien...
@Pacificator...
Je vais compliquer un peu la question, parce qu'en fait je veux travailler avec une dizaine de fichiers de plusieurs milliers de "lignes" et j'avais pensé que tout charger en même temps pouvait me faire manipuler 150.000 voire 200.000 groupes de 4 lettres. Je pensais donc utiliser ta suggestion pour déjà donner à chaque liste la structure de liste de tuples :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
Lf=[('B',5),('C',1),('A',3)]
Li=[('A',7),('C',1),('D',3),('B',1)]
LTemp=Lf+Li

Mais comment adapter ta méthode pour que, avec les tuples (a,b) et (c,d), on puisse, d'une seule passe, supprimer (c,d) de Ltemp, si a==c et en même temps temps remplacer (a,b) par (a,b+d) ?

Merci d'avance

@+

[panda31]

Peut-être un dictionnaire serait plus à propos pour ce traitement.

[pacificator]

Tout dépend des ressources dont tu disposes et de la fréquence de ton traitement.
Fais un test avec toutes tes données et tu verras si tu as besoin d'optimiser (ou pas).

[N.tox]

Si c'est pour plusieurs milliers de lignes, et si tu utilise une 2.x, t'as le module bsddb qui est une base de donnée très simple qui s'utilise comme un dictionnaire, sauf que ça encombre beaucoup moins la mémoire. tout est est très bien expliqué dans les docs en ligne de python.