如何在保留顺序的同时从列表中删除重复项？

在 CPython 3.6+（以及从 Python 3.7+ 开始的所有其他 Python 实现）中，字典 are ordered，因此从可迭代对象中删除重复项同时将其保留在原来的顺序是：

>>> list(dict.fromkeys('abracadabra'))
['a', 'b', 'r', 'c', 'd']

在 Python 3.5 及更低版本（包括 Python 2.7）中，使用 OrderedDict。我的时间安排表明，这现在是 Python 3.5 各种方法中最快和最短的方法（当它获得 C 实现时；在 3.5 之前，它仍然是最清晰的解决方案，尽管不是最快的）。

>>> from collections import OrderedDict
>>> list(OrderedDict.fromkeys('abracadabra'))
['a', 'b', 'r', 'c', 'd']

---

不要踢死马（这个问题很老，已经有很多好的答案），但这里有一个使用 pandas 的解决方案，它在许多情况下都非常快，而且使用起来非常简单。

import pandas as pd

my_list = [0, 1, 2, 3, 4, 1, 2, 3, 5]

>>> pd.Series(my_list).drop_duplicates().tolist()
# Output:
# [0, 1, 2, 3, 4, 5]

---

在 Python 3.7 及更高版本中，字典guaranteed要记住它们的键插入顺序。 this问题的答案总结了当前的事态。

OrderedDict 解决方案因此变得过时并且没有任何导入语句，我们可以简单地发出：

>>> lst = [1, 2, 1, 3, 3, 2, 4]
>>> list(dict.fromkeys(lst))
[1, 2, 3, 4]

---

sequence = ['1', '2', '3', '3', '6', '4', '5', '6']
unique = []
[unique.append(item) for item in sequence if item not in unique]

独特的 → ['1', '2', '3', '6', '4', '5']

---

from itertools import groupby
[ key for key,_ in groupby(sortedList)]

列表甚至不必排序，充分条件是相等的值被组合在一起。

编辑：我假设“保留顺序”意味着列表实际上是有序的。如果不是这种情况，那么 MizardX 的解决方案就是正确的。

社区编辑：然而，这是“将重复的连续元素压缩为单个元素”的最优雅的方式。

---

我想如果你想维持秩序，

你可以试试这个：

list1 = ['b','c','d','b','c','a','a']    
list2 = list(set(list1))    
list2.sort(key=list1.index)    
print list2

或者同样你可以这样做：

list1 = ['b','c','d','b','c','a','a']  
list2 = sorted(set(list1),key=list1.index)  
print list2 

你也可以这样做：

list1 = ['b','c','d','b','c','a','a']    
list2 = []    
for i in list1:    
    if not i in list2:  
        list2.append(i)`    
print list2

也可以这样写：

list1 = ['b','c','d','b','c','a','a']    
list2 = []    
[list2.append(i) for i in list1 if not i in list2]    
print list2 

---

只是为了从外部模块添加此类功能的另一个（非常高效的）实现¹：iteration_utilities.unique_everseen：

>>> from iteration_utilities import unique_everseen
>>> lst = [1,1,1,2,3,2,2,2,1,3,4]

>>> list(unique_everseen(lst))
[1, 2, 3, 4]

计时

我做了一些计时（Python 3.6），这些表明它比我测试的所有其他替代方案更快，包括 OrderedDict.fromkeys、f7 和 more_itertools.unique_everseen：

%matplotlib notebook

from iteration_utilities import unique_everseen
from collections import OrderedDict
from more_itertools import unique_everseen as mi_unique_everseen

def f7(seq):
    seen = set()
    seen_add = seen.add
    return [x for x in seq if not (x in seen or seen_add(x))]

def iteration_utilities_unique_everseen(seq):
    return list(unique_everseen(seq))

def more_itertools_unique_everseen(seq):
    return list(mi_unique_everseen(seq))

def odict(seq):
    return list(OrderedDict.fromkeys(seq))

from simple_benchmark import benchmark

b = benchmark([f7, iteration_utilities_unique_everseen, more_itertools_unique_everseen, odict],
              {2**i: list(range(2**i)) for i in range(1, 20)},
              'list size (no duplicates)')
b.plot()

https://i.stack.imgur.com/XLrov.png

并且只是为了确保我还进行了更多重复的测试，以检查它是否有所作为：

import random

b = benchmark([f7, iteration_utilities_unique_everseen, more_itertools_unique_everseen, odict],
              {2**i: [random.randint(0, 2**(i-1)) for _ in range(2**i)] for i in range(1, 20)},
              'list size (lots of duplicates)')
b.plot()

https://i.stack.imgur.com/YCx2c.png

一个只包含一个值：

b = benchmark([f7, iteration_utilities_unique_everseen, more_itertools_unique_everseen, odict],
              {2**i: [1]*(2**i) for i in range(1, 20)},
              'list size (only duplicates)')
b.plot()

https://i.stack.imgur.com/SPCcT.png

在所有这些情况下，iteration_utilities.unique_everseen 函数是最快的（在我的计算机上）。

此 iteration_utilities.unique_everseen 函数还可以处理输入中不可散列的值（但是，当这些值是可散列的时，其性能是 O(n*n) 而不是 O(n)）。

>>> lst = [{1}, {1}, {2}, {1}, {3}]

>>> list(unique_everseen(lst))
[{1}, {2}, {3}]

1 免责声明：我是该软件包的作者。

---

对于另一个非常古老的问题的另一个很晚的答案：

itertools recipes 具有使用 seen 集合技术执行此操作的函数，但是：

处理标准键功能。

不使用不合时宜的技巧。

通过预先绑定 seen.add 来优化循环，而不是查找 N 次。 （f7 也这样做，但有些版本没有。）

使用 ifilterfalse 优化循环，因此您只需遍历 Python 中的唯一元素，而不是所有元素。 （当然，您仍然在 ifilterfalse 中迭代所有这些，但这是在 C 中，而且速度要快得多。）

它实际上比 f7 快吗？这取决于您的数据，因此您必须对其进行测试并查看。如果您最后想要一个列表，f7 使用 listcomp，而这里没有办法做到这一点。 （您可以直接 append 而不是 yield ，或者您可以将生成器输入 list 函数，但两者都不能像 listcomp 中的 LIST_APPEND 一样快。）无论如何，通常，挤出几微秒并不像拥有一个易于理解、可重用、已经编写好的函数那样重要，当你想要装饰时不需要 DSU。

与所有食谱一样，它也可在 more-iterools 中找到。

如果您只想要 no-key 情况，您可以将其简化为：

def unique(iterable):
    seen = set()
    seen_add = seen.add
    for element in itertools.ifilterfalse(seen.__contains__, iterable):
        seen_add(element)
        yield element

---

对于基于 MizardX 的无哈希类型（例如列表列表）：

def f7_noHash(seq)
    seen = set()
    return [ x for x in seq if str( x ) not in seen and not seen.add( str( x ) )]

---

减少变体速度快 5 倍，但更复杂

>>> l = [5, 6, 6, 1, 1, 2, 2, 3, 4]
>>> reduce(lambda r, v: v in r[1] and r or (r[0].append(v) or r[1].add(v)) or r, l, ([], set()))[0]
[5, 6, 1, 2, 3, 4]

解释：

default = (list(), set())
# use list to keep order
# use set to make lookup faster

def reducer(result, item):
    if item not in result[1]:
        result[0].append(item)
        result[1].add(item)
    return result

>>> reduce(reducer, l, default)[0]
[5, 6, 1, 2, 3, 4]

---

这是一个简单的方法：

list1 = ["hello", " ", "w", "o", "r", "l", "d"]
sorted(set(list1 ), key=list1.index)

这给出了输出：

["hello", " ", "w", "o", "r", "l", "d"]

---

熊猫用户应查看 pandas.unique。

>>> import pandas as pd
>>> lst = [1, 2, 1, 3, 3, 2, 4]
>>> pd.unique(lst)
array([1, 2, 3, 4])

该函数返回一个 NumPy 数组。如果需要，您可以使用 tolist 方法将其转换为列表。

---

借用在为列表定义 Haskell 的 nub 函数时使用的递归思想，这将是一种递归方法：

def unique(lst):
    return [] if lst==[] else [lst[0]] + unique(filter(lambda x: x!= lst[0], lst[1:]))

例如：

In [118]: unique([1,5,1,1,4,3,4])
Out[118]: [1, 5, 4, 3]

我尝试使用它来增加数据大小并看到亚线性时间复杂度（不是确定的，但建议这对于正常数据应该没问题）。

In [122]: %timeit unique(np.random.randint(5, size=(1)))
10000 loops, best of 3: 25.3 us per loop

In [123]: %timeit unique(np.random.randint(5, size=(10)))
10000 loops, best of 3: 42.9 us per loop

In [124]: %timeit unique(np.random.randint(5, size=(100)))
10000 loops, best of 3: 132 us per loop

In [125]: %timeit unique(np.random.randint(5, size=(1000)))
1000 loops, best of 3: 1.05 ms per loop

In [126]: %timeit unique(np.random.randint(5, size=(10000)))
100 loops, best of 3: 11 ms per loop

我还认为有趣的是，这可以很容易地通过其他操作推广到唯一性。像这样：

import operator
def unique(lst, cmp_op=operator.ne):
    return [] if lst==[] else [lst[0]] + unique(filter(lambda x: cmp_op(x, lst[0]), lst[1:]), cmp_op)

例如，您可以传入一个函数，该函数使用舍入到相同整数的概念，就好像它是“相等”一样，以实现唯一性目的，如下所示：

def test_round(x,y):
    return round(x) != round(y)

那么 unique(some_list, test_round) 将提供列表的唯一元素，其中唯一性不再意味着传统的相等性（这是通过使用任何类型的基于集合或基于字典键的方法来解决这个问题）而是意味着采取对于元素可能舍入到的每个可能的整数 K，仅舍入到 K 的第一个元素，例如：

In [6]: unique([1.2, 5, 1.9, 1.1, 4.2, 3, 4.8], test_round)
Out[6]: [1.2, 5, 1.9, 4.2, 3]

---

您可以引用一个列表推导，因为它是由符号“_[1]”构建的。例如，以下函数通过引用其列表推导来唯一化一个元素列表而不改变它们的顺序。

def unique(my_list): 
    return [x for x in my_list if x not in locals()['_[1]']]

演示：

l1 = [1, 2, 3, 4, 1, 2, 3, 4, 5]
l2 = [x for x in l1 if x not in locals()['_[1]']]
print l2

输出：

[1, 2, 3, 4, 5]

---

1. 这些解决方案很好......为了在保留顺序的同时删除重复项，本页其他地方提出的优秀解决方案：

seen = set()
[x for x in seq if not (x in seen or seen.add(x))]

和变体，例如：

seen = set()
[x for x in seq if x not in seen and not seen.add(x)]

确实很受欢迎，因为它们简单、简约，并且部署了正确的散列以获得最佳效率。关于这些的主要抱怨似乎是使用方法 seen.add(x) “返回”的不变 None 作为逻辑表达式中的常量（因此是多余/不必要的）值 - 只是为了它的副作用 - 是 hacky 和/或令人困惑。

2。 …但他们每次迭代都浪费了一次哈希查找。
令人惊讶的是，考虑到关于这个主题的大量讨论和辩论，实际上对似乎被忽视的代码进行了重大改进。如图所示，每次“测试和设置”迭代都需要 两次 哈希查找：第一次测试成员资格 x not in seen，然后再次实际添加值 seen.add(x)。由于第一个操作保证了第二个操作总是成功的，所以这里的重复工作是浪费的。而且由于这里的整体技术非常有效，多余的哈希查找可能最终成为剩下的少量工作中最昂贵的部分。

3。相反，让 set 完成它的工作！
请注意，上面的示例仅调用 set.add 并预先知道这样做会导致集合成员资格的增加。 set 本身永远没有机会拒绝重复；我们的代码片段基本上已经为自己篡夺了这个角色。使用明确的两步测试和设置代码正在剥夺 set 自身排除这些重复项的核心能力。

4. 改进的代码：以下版本将每次迭代的哈希查找次数减少了一半——从两次减少到只有一次。这大大提高了已经很快速的方法的性能。

seen = set()
[x for x in seq if len(seen) < len(seen.add(x) or seen)]

至于令人不快的黑客攻击，现在比以前发生了一些变异，它似乎确实可以继续看到另一天。

---

如果您需要一个班轮，那么这可能会有所帮助：

reduce(lambda x, y: x + y if y[0] not in x else x, map(lambda x: [x],lst))

...应该可以，但如果我错了，请纠正我

---

MizardX 的答案提供了多种方法的良好集合。

这是我在大声思考时想到的：

mylist = [x for i,x in enumerate(mylist) if x not in mylist[i+1:]]

---

你可以做一种丑陋的列表理解黑客。

[l[i] for i in range(len(l)) if l.index(l[i]) == i]

---

使用 _sorted_ 和 numpy 数组的相对有效的方法：

b = np.array([1,3,3, 8, 12, 12,12])    
numpy.hstack([b[0], [x[0] for x in zip(b[1:], b[:-1]) if x[0]!=x[1]]])

输出：

array([ 1,  3,  8, 12])

---

l = [1,2,2,3,3,...]
n = []
n.extend(ele for ele in l if ele not in set(n))

使用 O(1) 查找集合来确定是否在新列表中包含元素的生成器表达式。

---

一个简单的递归解决方案：

def uniquefy_list(a):
    return uniquefy_list(a[1:]) if a[0] in a[1:] else [a[0]]+uniquefy_list(a[1:]) if len(a)>1 else [a[0]]

---

消除序列中的重复值，但保留剩余项目的顺序。使用通用生成器功能。

# for hashable sequence
def remove_duplicates(items):
    seen = set()
    for item in items:
        if item not in seen:
            yield item
            seen.add(item)

a = [1, 5, 2, 1, 9, 1, 5, 10]
list(remove_duplicates(a))
# [1, 5, 2, 9, 10]



# for unhashable sequence
def remove_duplicates(items, key=None):
    seen = set()
    for item in items:
        val = item if key is None else key(item)
        if val not in seen:
            yield item
            seen.add(val)

a = [ {'x': 1, 'y': 2}, {'x': 1, 'y': 3}, {'x': 1, 'y': 2}, {'x': 2, 'y': 4}]
list(remove_duplicates(a, key=lambda d: (d['x'],d['y'])))
# [{'x': 1, 'y': 2}, {'x': 1, 'y': 3}, {'x': 2, 'y': 4}]

---

x = [1, 2, 1, 3, 1, 4]

# brute force method
arr = []
for i in x:
  if not i in arr:
    arr.insert(x[i],i)

# recursive method
tmp = []
def remove_duplicates(j=0):
    if j < len(x):
      if not x[j] in tmp:
        tmp.append(x[j])
      i = j+1  
      remove_duplicates(i)

      

remove_duplicates()

---

一个班轮列表理解：

values_non_duplicated = [value for index, value in enumerate(values) if value not in values[ : index]]

---

如果您经常使用 pandas，并且美观优于性能，那么请考虑内置函数 pandas.Series.drop_duplicates：

    import pandas as pd
    import numpy as np

    uniquifier = lambda alist: pd.Series(alist).drop_duplicates().tolist()

    # from the chosen answer 
    def f7(seq):
        seen = set()
        seen_add = seen.add
        return [ x for x in seq if not (x in seen or seen_add(x))]

    alist = np.random.randint(low=0, high=1000, size=10000).tolist()

    print uniquifier(alist) == f7(alist)  # True

定时：

    In [104]: %timeit f7(alist)
    1000 loops, best of 3: 1.3 ms per loop
    In [110]: %timeit uniquifier(alist)
    100 loops, best of 3: 4.39 ms per loop

---

这将保持秩序并在 O(n) 时间内运行。基本上这个想法是在找到重复的地方创建一个洞并将其沉入底部。使用读写指针。每当找到重复项时，只有读取指针前进，而写入指针停留在重复项上以覆盖它。

def deduplicate(l):
    count = {}
    (read,write) = (0,0)
    while read < len(l):
        if l[read] in count:
            read += 1
            continue
        count[l[read]] = True
        l[write] = l[read]
        read += 1
        write += 1
    return l[0:write]

---

不使用导入模块或集合的解决方案：

text = "ask not what your country can do for you ask what you can do for your country"
sentence = text.split(" ")
noduplicates = [(sentence[i]) for i in range (0,len(sentence)) if sentence[i] not in sentence[:i]]
print(noduplicates)

给出输出：

['ask', 'not', 'what', 'your', 'country', 'can', 'do', 'for', 'you']

---

就地方法

这种方法是二次的，因为我们对列表中的每个元素进行了线性查找（为此，我们必须加上重新排列列表的成本，因为 del s）。

也就是说，如果我们从列表的末尾开始向原点前进，删除其左侧子列表中存在的每个术语，则可以就地操作

代码中的这个想法很简单

for i in range(len(l)-1,0,-1): 
    if l[i] in l[:i]: del l[i] 

一个简单的实现测试

In [91]: from random import randint, seed                                                                                            
In [92]: seed('20080808') ; l = [randint(1,6) for _ in range(12)] # Beijing Olympics                                                                 
In [93]: for i in range(len(l)-1,0,-1): 
    ...:     print(l) 
    ...:     print(i, l[i], l[:i], end='') 
    ...:     if l[i] in l[:i]: 
    ...:          print( ': remove', l[i]) 
    ...:          del l[i] 
    ...:     else: 
    ...:          print() 
    ...: print(l)
[6, 5, 1, 4, 6, 1, 6, 2, 2, 4, 5, 2]
11 2 [6, 5, 1, 4, 6, 1, 6, 2, 2, 4, 5]: remove 2
[6, 5, 1, 4, 6, 1, 6, 2, 2, 4, 5]
10 5 [6, 5, 1, 4, 6, 1, 6, 2, 2, 4]: remove 5
[6, 5, 1, 4, 6, 1, 6, 2, 2, 4]
9 4 [6, 5, 1, 4, 6, 1, 6, 2, 2]: remove 4
[6, 5, 1, 4, 6, 1, 6, 2, 2]
8 2 [6, 5, 1, 4, 6, 1, 6, 2]: remove 2
[6, 5, 1, 4, 6, 1, 6, 2]
7 2 [6, 5, 1, 4, 6, 1, 6]
[6, 5, 1, 4, 6, 1, 6, 2]
6 6 [6, 5, 1, 4, 6, 1]: remove 6
[6, 5, 1, 4, 6, 1, 2]
5 1 [6, 5, 1, 4, 6]: remove 1
[6, 5, 1, 4, 6, 2]
4 6 [6, 5, 1, 4]: remove 6
[6, 5, 1, 4, 2]
3 4 [6, 5, 1]
[6, 5, 1, 4, 2]
2 1 [6, 5]
[6, 5, 1, 4, 2]
1 5 [6]
[6, 5, 1, 4, 2]

In [94]:                                                                                                                             

---