我有10万行数据，我想按照下面的方法在Python中进行分组。简单的Python迭代需要很多时间。如何使用任何Python机器学习库来优化它？

    [[1,2,3,4],[2,3],[1,2,3],[2,3],[1,2,3],[1,2,3,4],[1],[2]...]    Output    [[0,5],[1,3]],[2,4],[6],[7]]    Explanation:  index 0,5 have same list ;                  index 1,3 have same list ;                  index 2,4 have same list ;                   index 6 no match

我有10万个子列表，我想按照上面的方法在Python中进行分组。

回答：

一个简单的解决方案是将列表转换为元组，然后只需使用groupby并访问.groups属性，如果你想知道每个组的索引

import pandas as pddf = pd.DataFrame({'vals': [[1,2,3,4], [2,3], [1,2,3], [2,3],                            [1,2,3], [1,2,3,4], [1], [2], [2,2], [2,1,3]]})df.groupby(df.vals.apply(tuple)).groups#{(1,): Int64Index([6], dtype='int64'),# (1, 2, 3): Int64Index([2, 4], dtype='int64'),# (1, 2, 3, 4): Int64Index([0, 5], dtype='int64'),# (2,): Int64Index([7], dtype='int64'),# (2, 1, 3): Int64Index([9], dtype='int64'),# (2, 2): Int64Index([8], dtype='int64'),# (2, 3): Int64Index([1, 3], dtype='int64')}

如果你需要分组索引的列表，可以尝试以下方法：

df.reset_index().groupby(df.vals.apply(tuple))['index'].apply(list).sort_values().tolist()#[[0, 5], [1, 3], [2, 4], [6], [7], [8], [9]]