Python itertools.groupby 分组前排序的实现条件

Python 的 itertools.groupby() 不是按全体数据寻找相同值，而是“键值连续相同就归为一组”。因此，分组前通常要先用同一个 key 函数排序，让相同键的记录靠在一起；否则同一个类别可能被拆成多个分组。官方文档也特别提醒，这种行为不同于 SQL 的 GROUP BY。

官方地址：https://docs.python.org/3/library/itertools.html#itertools.groupby

先看清 groupby 为什么会拆组

假设订单类别依次为“书籍、文具、书籍”。groupby() 看到第二个“书籍”时，中间已经出现过“文具”，所以它会产生两个书籍组。它只在 key 改变的地方切断，不会回头合并前面的组。

排序与分组必须共用同一个 key

最稳妥的写法是先定义一次 key，再同时传给 sorted() 和 groupby()。下面的示例按 category 排序，保证每个类别连续出现。

from itertools import groupby
from operator import itemgetter

# 用同一个 key 描述“按类别分组”，避免排序字段和分组字段不一致
records = [
    {"name": "钢笔", "category": "文具"},
    {"name": "小说", "category": "书籍"},
    {"name": "铅笔", "category": "文具"},
]
key = itemgetter("category")
ordered = sorted(records, key=key)  # 先让同类记录连续

for category, rows in groupby(ordered, key=key):
    items = list(rows)  # 分组迭代器共享输入，需要保留就立即物化
    print(category, [row["name"] for row in items])

这里的输出顺序由排序决定，文具和书籍各只有一个分组。若把 sorted() 改为按商品名排序，或把 groupby() 改为按其他字段分组，连续性前提就被破坏，结果要重新解释。

哪些情况下可以不先排序

如果输入本来就按相同 key 排好，或者业务只想处理连续区段，例如日志流中按时间到达的状态片段，就可以直接分组。此时“不排序”不是优化技巧，而是明确接受“同键分散就分成多组”的语义。

还要注意分组对象的生命周期。for category, rows in groupby(...) 中的 rows 不是独立列表；外层循环推进后，前一个 rows 的剩余内容可能无法再读取。需要二次遍历、统计或返回结果时，应在当前循环中使用 list(rows)，数据很大则改成边消费边聚合。

复合 key、稳定顺序与排查清单

当需求是“先按部门，再按状态分组”时，可以使用元组 key，例如 itemgetter("department", "status")。排序和分组仍须完全一致。若只想按部门分组、部门内保留原记录顺序，则 key 只取 department，不要把状态也放进 key。

常见问题

groupby 一定要排序吗？

不一定。只有当相同 key 可能分散、而你又希望它们合成一个完整分组时，才应先按同一个 key 排序。

为什么结果里同一个类别出现两次？

通常是输入中该类别不连续，或者排序和分组使用了不同字段。先打印每条记录的 key，再检查排序调用。

可以直接把 rows 保存到列表外吗？

可以，但要在当前循环里执行 list(rows)。直接保存迭代器，外层进入下一组后可能得到空数据或不完整数据。