一个简单的问题，不借助pandas，二维列表如何快速分组？

Question

一个简单的问题，不借助pandas，二维列表如何快速分组？
[['A',33],['A',0],['A',12],['A',3],['B',3],['B',0],['B',77],['C',1],['C',2],['C',5],['C',0],['C',11],['C',19]]
或者
[['A', 'A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'C', 'C'], [33, 0, 12, 3, 3, 0, 77, 1, 2, 5, 0, 11, 19]]
分组是连续的，分组长度不等，根据组名分组，保持原来的顺序,不用while遍历有现存的库代码吗？列表较大，我担心用pandas速度较慢
[[33,0,12,3],[3,0,77],[1,2,5,0,11,19]]

本来不想用append，担心数组大了速度问题，还是先用append凑合

data = [['A',33],['A',0],['A',12],['A',3],['B',3],['B',0],['B',77],['C',1],['C',2],['C',5],['C',0],['C',11],['C',19]]
def group_name_fun(lst):

last=''
arr=[]
for ii in range(len(lst)):
    if not lst[ii][0]==last:
        arr.append(ii)
        last=lst[ii][0]
arr.append(len(lst))
lst=[lst[arr[ii-1]:arr[ii]] for ii in range(1, len(arr))]
return lst

print(group_name_fun(data))

Answer 1

要在不使用 append 的情况下处理大数组，可以考虑使用生成器或者 itertools 这样的模块来进行高效处理。这种方法可以减少内存占用并提高处理速度。以下是使用 itertools 模块的解决方案：

使用 itertools 模块处理大数组

import itertools

def group_large_array(data):
    grouped_data = {}
    for key, group in itertools.groupby(data, lambda x: x[0]):
        grouped_data[key] = [item[1] for item in group]
    
    # 转换为列表形式
    result = [grouped_data[key] for key in grouped_data]
    return result

# 测试数据
data = [['A', 33], ['A', 0], ['A', 12], ['A', 3], ['B', 3], ['B', 0], ['B', 77], ['C', 1], ['C', 2], ['C', 5], ['C', 0], ['C', 11], ['C', 19]]
print(group_large_array(data))

解释

1. itertools.groupby：我们使用 itertools.groupby 按照键值对数据进行分组。
2. list comprehension：使用列表推导式将每组的数据提取出来。

这种方法避免了显式使用 append，并且在处理大数组时具有较高的效率。通过生成器和 itertools 模块，内存占用也能得到有效控制。