python - 查找列表中标签关系的频率(成对相关？)

Question

我有一些图像标签列表。我想找出哪些标签似乎相关:

l1 = ["cat", "toe", "man"]
l2 = ["cat", "toe", "ice"]
l3 = ["cat", "hat", "bed"]

在这个(简单的)示例中，“猫”和“脚趾”显然是相关的，因为它们出现了两次(l1，l2)。

如何计算？结果如下:cat & toe: 2。我有一个线索，我要求“成对相关”，但这种分析的资源对我来说太复杂了。

Answer 1

您可以将 collections.defaultdict 与 frozenset 和 itertools.combinations 一起使用以形成成对计数的字典。

变化是可能的。例如，您可以将 collections.Counter 与已排序的 tuple 一起使用，但基本相同。

from collections import defaultdict
from itertools import combinations

dd = defaultdict(int)

L1 = ["cat", "toe", "man"]
L2 = ["cat", "toe", "ice"]
L3 = ["cat", "hat", "bed"]

for L in [L1, L2, L3]:
    for pair in map(frozenset, (combinations(L, 2))):
        dd[pair] += 1

结果:

defaultdict(int,
            {frozenset({'cat', 'toe'}): 2,
             frozenset({'cat', 'man'}): 1,
             frozenset({'man', 'toe'}): 1,
             frozenset({'cat', 'ice'}): 1,
             frozenset({'ice', 'toe'}): 1,
             frozenset({'cat', 'hat'}): 1,
             frozenset({'bed', 'cat'}): 1,
             frozenset({'bed', 'hat'}): 1})