計算元組列表中唯一元組的發生率

Question

對於分類Django網站項目，我有一個由(user_id, ad_id)對組成的元組列表。這表示發聲器的user_id以及相關的ad_id。

例如：

gross_clicks = [(1, 13),(1, 12), (1, 13), (2, 45), (2, 13), (1, 15), ...(n, m)] 

此列表中的元素決不是唯一的 - 每次點擊被推入此列表，無論它是由相同的用戶和/或它在相同的廣告。

現在，我可以做讓所有重複點擊：

unique_clicks = [] 
import operator 
gross_click_ids = map(operator.itemgetter(0), gross_clicks) 
return len(set(gross_click_ids)) 

但我如何獲得每個廣告獨特的點擊？即如果同一用戶點擊了兩個不同的廣告，則會被計爲兩次單獨點擊。

性能也很重要 - 它是一個龐大的數據集 - 所以更喜歡最有效的解決方案，並附上一個說明性示例。

Answer 1

只要採取獨特的元組：

unique_clicks = set(gross_clicks) 

這給你設定每個廣告的獨特用戶的展示。

在你的樣品輸入，(1, 13)出現了兩次，但在一組這樣看來只是一次：因爲它可以得到，給出元組的大名單

>>> gross_clicks = [(1, 13), (1, 12), (1, 13), (2, 45), (2, 13), (1, 15)] 
>>> set(gross_clicks) 
{(1, 12), (1, 13), (1, 15), (2, 45), (2, 13)} 

使用套跟蹤獨特的元素是有效的作爲輸入（測試任何給定的元組是否已經在該集合中是O（1）恆定時間操作）。

但是，如果這些數據來自您的數據庫，請爲您提供唯一對代替效率更高。

Answer 2

改爲在查詢集上使用distinct方法。假設您的型號爲User，並且您希望獲得唯一的user_id,ad_id對。

User.objects.all().values_list('id', 'ad_id').distinct('id', 'ad_id') 

這會執行數據庫級別的工作，所以我期望它會比在Willem中提到的那樣快。

我可能誤解了你的問題。請讓我知道如果是這樣的話，我可以嘗試提供一個替代解決方案。