itertools.groupby只对相邻相同元素分组，非sql式全局聚合；必须先按key排序，否则相同键值分散会导致错误分组，且group_iterator只能遍历一次。
直接说结论：itertools.groupby 不会自动按值分组，它只对**相邻相同元素**分组；想按任意字段分组，必须先排序。
为什么 groupby 似乎“漏掉”了重复项？
这是最常踩的坑：groupby 不是 SQL 的 GROUP BY，它不扫描整个列表，只看当前连续块。比如对 [1,2,1] 调用 groupby，会得到三组：(1), (2), (1)，而不是两组。
- 根本原因：它内部只比较相邻两个元素是否相等（或 key 函数返回值是否相等）
- 典型错误写法：
list(groupby([{'type':'a'}, {'type':'b'}, {'type':'a'}], key=lambda x: x['type']))→ 三个独立组 - 正确前提：输入必须按 key 排好序，例如用
sorted(data, key=lambda x: x['type'])预处理
如何按字典字段分组并保留原始结构？
常见需求：把 [{'name': 'Alice', 'dept': 'HR'}, {'name': 'Bob', 'dept': 'IT'}, ...] 按 dept 分组为字典，键是部门名，值是该部门人员列表。
- 必须两步走：先
sorted，再groupby -
groupby返回的是迭代器，每个元素是(key, group_iterator)，需用list()转成列表 - 示例：
from itertools import groupby <p>data = [{'name': 'Alice', 'dept': 'HR'}, {'name': 'Bob', 'dept': 'IT'}, {'name': 'Charlie', 'dept': 'HR'}] sorted_data = sorted(data, key=lambda x: x['dept']) result = {k: list(g) for k, g in groupby(sorted_data, key=lambda x: x['dept'])}</p><h1>→ {'HR': [{'name': 'Alice', 'dept': 'HR'}, {'name': 'Charlie', 'dept': 'HR'}], 'IT': [{'name': 'Bob', 'dept': 'IT'}]}</h1>
和 pandas.groupby 或 defaultdict 比有什么区别？
选 groupby 的真实理由不是“更高级”，而是内存敏感场景下流式处理——它不把全部数据加载进内存，适合处理已排序的大文件行或生成器输出。
-
pandas.groupby：自动全量分组，支持聚合函数，但需整块载入内存 -
defaultdict(list)：简单、无需排序，适合小数据或实时插入，但逻辑要自己写 -
itertools.groupby：零内存额外开销，但强依赖输入顺序；一旦错序，结果不可逆 - 性能提示：排序本身是
O(n log n)，如果原数据本就有序（如日志按时间戳写入），groupby就是真正的O(n)
最容易被忽略的一点：key 函数返回值必须可哈希且稳定。比如用 datetime 对象做 key 时，若存在微秒差异或时区混用，相邻项可能被拆成不同组——这不是 groupby 的 bug，是输入没对齐。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
