Pythonでタプルのリストから上位K個の要素を抽出する方法

タプルを含むリストが与えられたとき、その中から上位K個の要素を抽出する必要があるケースはよくあります。例えばKが3であれば、リスト内のタプルから値の大きい順に上位3つの要素を取り出します。

本記事では、defaultdictを使う方法と、sorted関数とitemgetterを組み合わせる方法の2つのアプローチを紹介します。

方法1：defaultdictを使う

まず、collections.defaultdictを使って要素を辞書型のコンテナに格納します。その後、上位K個の条件を満たす要素だけを取り出します。具体的には、各キー（曜日など）に対応する値をリストにまとめ、合計値を計算してから降順にソートし、先頭からK個を取得します。

サンプルコード

import collections
from operator import itemgetter
from itertools import chain
# 入力リストの初期化
listA = [[('Mon', 126)], [('Tue', 768)],[('Wed', 512)], [('Thu', 13)],[('Fri', 341)]]
# Kを設定
K = 3
# 入力リストの表示
print("Given list:\n",listA)
print("Check value:\n",K)
# defaultdictを使用
dict_ = collections.defaultdict(list)
new_list = list(chain.from_iterable(listA))
for elem in new_list:
    dict_[elem[0]].append(elem[1])
res = {k: sum(v) for k, v in dict_.items()}
# sortedで並べ替え
res = sorted(res.items(), key=itemgetter(1),
reverse=True)[0:K]
# 結果の出力
print("Top 3 elements are:\n", res)

実行結果

Given list:
[[('Mon', 126)], [('Tue', 768)], [('Wed', 512)], [('Thu', 13)], [('Fri', 341)]]
Check value:
3
Top 3 elements are:
[('Tue', 768), ('Wed', 512), ('Fri', 341)]

このコードでは、chain.from_iterableでネストされたリストを平坦化し、defaultdictにキーごとに値を蓄積しています。同じキーが複数回出現する場合でも、値の合計が正しく計算される点が特徴です。

方法2：sortedとitemgetterを使う

2つ目のアプローチでは、itemgetter関数をsorted関数の中で使用し、スライス（0からKまで）を指定して上位K個だけを取得します。こちらの方がコードがシンプルで、タプルの2番目の要素（数値）を基準に直接並べ替えられるのが利点です。

サンプルコード

from operator import itemgetter
from itertools import chain
# 入力リストの初期化
listA = [[('Mon', 126)], [('Tue', 768)],[('Wed', 512)], [('Thu', 13)],[('Fri', 341)]]
# Kを設定
K = 3
# 入力リストの表示
print("Given list:\n",listA)
print("Check value:\n",K)
# sortedを使用
res = sorted(list(chain.from_iterable(listA)),
    key = itemgetter(1), reverse = True)[0:K]
# 結果の出力
print("Top 3 elements are:\n", res)

実行結果

Given list:
[[('Mon', 126)], [('Tue', 768)], [('Wed', 512)], [('Thu', 13)], [('Fri', 341)]]
Check value:
3
Top 3 elements are:
[('Tue', 768), ('Wed', 512), ('Fri', 341)]

まとめ

どちらの方法も同じ結果が得られますが、用途によって使い分けるとよいでしょう。同一キーの値を集約したい場合はdefaultdict方式、単純に数値の大きい順に上位K件を取得したい場合はsorted＋itemgetter方式が適しています。特に後者はコードが簡潔で可読性が高いため、日常的なデータ処理でおすすめの手法です。