Python3 Tkinter リストからデータを抽出したい

Question

"データ種別_連番.csv"
という形式のファイル名のファイルがあります。リストに入っています。

基本的にはこれを別のリストに入れます。
ただしデータ種別が同じものが複数あるので、
その場合は連番の値が大きい方だけを取得したいです。

# 元のデータ
files = [
    "A0_01.csv", # <--- データ種別A0が複数あり、連番の値が低いのでいらない
    "A1_01.csv", # <--- データ種別A1は1つだけなのでいる
    "A0_02.csv", # <--- データ種別A0が複数あり、連番の値が高いのでいる
    "A2_03.csv", # <--- データ種別A2は1つだけなのでいる
    "A15_04.csv", # <--- データ種別A15は1つだけなのでいる
    "A7_05.csv" # <--- データ種別A7は1つだけなのでいる
]

# 元のデータから抽出したいデータ
files = [
    "A1_01.csv",
    "A0_02.csv",
    "A2_03.csv",
    "A15_04.csv",
    "A7_05.csv"
]

そこで、2次元配列にデータ種別と連番を入れて、最新のデータか比較を行えるようにする。
比較した後で、ファイル名のリストと照らし合わせて、不要なやつを消すようにしようと考えました。
（他に効率のいい方法があれば教えて下さい。）

というわけで下のようにソースコードを作ったのですが、
----- リストの要素抽出処理 ----- という部分でうまくいきません。
（考え方からおかしいかもしれませんが）

def func(files):
    
    li = []

    for file in files:
        tmp = file.split("_")
        datakind = tmp[0]
        commaindex = tmp[1].index(".")
        num = tmp[1][:commaindex]
        li.append([datakind, num])

    # print(li)
    # [['A0', '01'], ['A1', '01'], ['A0', '02'], ['A2', '03'], ['A15', '04']]
    
    # ----- リストの要素抽出処理 -----
    # イメージ：li[i][0]とli[j][0]を比較して一致したら、li[i][1]とli[j][1]の最新の方を戻り値用のリストに入れるみたいな感じ

    # これだと失敗
    #for i in range(len(li)-1):
    #    for j in range(i+1, len(li)-1):
    #省略


    # ----- ファイル群の中から必要なやつだけ抽出 -----

    #return


# ファイル群
# データ種別に規則性はない
# 下の例の場合A0は複数あるので、連番の値が大きいA0_02.csvを取りたい
files = [
    "A0_01.csv",
    "A1_01.csv",
    "A0_02.csv",
    "A2_03.csv",
    "A15_04.csv",
]


ret = func(files)

Answer 1

元のリストの並びが変わってよければソートした後に最大連番の行のみを抽出するとよいです。

import pandas as pd

files = [
    "A0_01.csv", # <--- データ種別A0が複数あり、連番の値が低いのでいらない
    "A1_01.csv", # <--- データ種別A1は1つだけなのでいる
    "A0_02.csv", # <--- データ種別A0が複数あり、連番の値が高いのでいる
    "A2_03.csv", # <--- データ種別A2は1つだけなのでいる
    "A15_04.csv", # <--- データ種別A15は1つだけなのでいる
    "A7_05.csv" # <--- データ種別A7は1つだけなのでいる
]
df = pd.DataFrame({'file':sorted(files)})

# データ種別が重複する行を削除。残すのは末尾
df['type'] = df['file'].apply(lambda v:v[:v.find('_')])
df = df.drop_duplicates(subset='type',keep='last')
ret = df['file'].tolist()

print(ret) # 'A0_02.csv', 'A15_04.csv', 'A1_01.csv', 'A2_03.csv', 'A7_05.csv']

Comments

[person]

回答ありがとうございます。
pandasを今まで使ったことがないのですが、
どういう処理をしているか説明してもらってもいいですか？

df = pd.DataFrame({'file':sorted(files)})
でfileという名前を付けてソートしているのまでは分かったのですが･･･

[8524ba23]

.applyにて「A01」部分を抽出してtype列に入れています。
.drop_duplicatesにてtypeが重複した行を削除しています。
その際keep=lastで最大連番の行のみ残すようにしています。