Se puder (e não vejo porque não poderia) utilizar geradores, você pode, ao invés de armazenar a lista inteira, com string e índice, para controlar quais já foram retornadas, armazenar apenas a string que é o seu referencial. A lógica basicamente é que para cada item da sua lista de entrada, você verifica se a string já foi retornada e, se não, retorna o array com string e índice; se já foi retornado basta ignorar.
def remove_duplicates(sequences):
returned = []
for sequence in sequences:
if sequence[0] not in returned:
yield sequence
returned.append(sequence[0])
Assim, basta fazer:
nao_repetidos = list(remove_duplicates(lista))
Como o retorno da função é um gerador, basta utilizar list()
para obter como uma lista.
Algumas otimizações podem ser feitas, tal como fazer returned
, que é uma lista, ser um conjunto (set
), melhorando a busca dos elementos; e se a lista de entrada já estiver classificada quanto à string, você não precisa manter em memória todas as strings retornadas, basta verificar se a atual dentro do laço de repetição é igual à última string retornada pela função.
Uma solução sem geradores poderia ser, supondo uma lista de entrada classificada quanto à string:
def remove_duplicates(sequences):
last_string = None
result = []
for sequence in sequences:
if sequence[0] != last_string:
result.append(sequence)
last_string = sequence[0]
return result
Que é uma solução particularmente interessante por ser O(n), percorrendo a lista apenas uma vez e sem depender de buscas em listas intermediárias.