查找字典中的重复值并仅在具有相同键的值不同的情况下打印它们

Question

我正在从CSV文件创建一个三元组字典，带有键 - 行号和值包含三个整数的列表。我还创建了另一个字典（名称），其中一个键是行号，并且值为两个字符串的列表。我希望在名称对不同的情况下找到包含相同三元组的所有行。

到目前为止，我的代码是在两行上有相同的三元组值的情况下找到所有重复，但如果在3行和更多行上重复，它将无法正常工作。我想要更新或重写整个脚本，以便在3次或更多次重复时检查所有名称值是否不同并仅打印具有不同名称的行。例如，如果我们有以下三元组字典：triplet = {1: [111, 222, 333], 2: [111, 222, 333], 3: [111, 222, 333], }和names = {1: ['name1', 'name2'], 2: ['name1', 'name2'], 3: ['name1', 'name3']}这将导致另一个字典的创建：duplicated_value_keys = {(111, 222, 333): [1, 2, 3]}和我的脚本将不会显示自names[1] == names[2]以来的重复，但原则上它应该打印第2行和第3行的三元组值有不同的名字。

for csv_infile in os.listdir(input_dir):
        if csv_infile.lower().endswith('.csv'):
            csv_in = os.path.join(input_dir, csv_infile)
            with open(csv_in) as f_in:
                # Creating dictionaries containing as a key the line number and as a value
                triplet = {}
                names = {}
                l_num = 0
                for line in f_in:
                    l_num += 1
                    triplet[l_num] = [(line.split('\t')[1]), (line.split('\t')[2]), (line.split('\t')[3])]
                    names[l_num] = [(line.split('\t')[4].lower().strip()), (line.split('\t')[5].lower().strip())]

                # Finding the duplicated values and creating a new dictionary with values the line numbers.
                duplicated_value_keys = collections.defaultdict(list)
                for key, value in triplet.items():
                    duplicated_value_keys[tuple(value)].append(key)
                for duplicated_keys in duplicated_value_keys.values():
                    if len(duplicated_keys) >1 and names[duplicated_keys[0]] != names[duplicated_keys[1]]: 
                        print("There is a duplicated triplet on lines: {}.\n".format(', '.join(map(str, duplicated_keys))))            

[编辑]：CSV输入文件具有以下格式，并以制表符分隔：

2       8004    3014    3       test name   1       14080   1       0       3478    1572    0       0
2       8004    3014    3       test name    1       8004    1       0       3478    1572    0       0
3       8004    3014    3       test name1   1       8004    1       0       3477    1571    0       0

Answer 1

可以使用defaultdict(list)检测重复的线。三元组将是字典的关键，每个都包含一个行号和列表的列表，其中找到了三元组。读完所有条目后，遍历字典并仅显示包含不同名称的条目。例如：

import csv
from collections import defaultdict

triplets = defaultdict(list)

with open('test.csv', newline='') as f_input:
    csv_input = csv.reader(f_input, delimiter='\t')

    for line, row in enumerate(csv_input, start=1):
        triplets[tuple(row[1:4])].append((line, list(map(str.lower, row[4:6]))))

for triplet, entries in sorted(triplets.items()):
    if len(entries) > 1 and len({tuple(names) for line, names in entries}) > 1:
        print("Duplicate triplet: {} on lines:".format(triplet))
        for line, names in entries:
            print("  {}, {}, {}".format(line, *names))
        print()

对于给出的test.csv，这将产生：

Duplicate triplet: ('13115', '3209', '3') on lines:
  44, skylink, horor film
  69, skylink, private spice

Duplicate triplet: ('13139', '3219', '3') on lines:
  8, skylink, nova cinema
  13, skylink, prima zoom

Duplicate triplet: ('8004', '3014', '3') on lines:
  2, skylink, ct 2
  3, skylink, bar 2
  4, skylink, tst 22
  5, skylink, tst 22