python - 比较列表(A)中的项目是否作为列表(B)中的子项目存在

Question

我有 2 个列表，每个列表都是字符串集合，并且想要检查项目是否为 list(A)存在于 list(B) 的另一项中。所以在 list(A)有一些标准单词和短语应该在 list(B) 中找到。我填List(A)有了这个(e.g. "innovation", "innovative", "new ways to go")和lemmatized它(['innovation'], ['innovative'], ['new', 'way', 'go'] .

在 list(B)有tokenized和lemmatized文本句子('time', new', 'way', 'go'] .

在该模式中，我尝试分析文本中给定单词和短语是否出现以及出现的频率。

为了匹配模式，我读到需要将每个列表元素本身转换为字符串，以检查它是否是 list(b) 中字符串的子字符串。 .

    list_a = [['innovation'], ['innovative'], ['new', 'way', 'go'], ['set', 'trend']]
    list_b = [['time', 'innovation'], ['time', 'go', 'new', 'way'],  ['look', 'innovative', 'creative', 'people']]

    for x in range(len(list_a)):
        for j in range(len(list_b)):
            a = " ".join(list_a[x])
            if any(a in s for s in list_b[j]):
                print("word of list a: ", a, " appears in list b: ", list_b[j])    `

实际输出是:

word of list a:  innovation  appears in list b:  ['time', 'innovation']
word of list a:  innovative  appears in list b:  ['look', 'innovative', 'creative', 'people']

我的目标输出是:

word of list a:  innovation  appears in list b:  ['time', 'innovation']
word of list a:  innovative  appears in list b:  ['look', 'innovative', 'creative', 'people']
word of list a: new way go appears in list b: ['time', 'go', 'new', 'way']

转换 list(b) 的项目像我尝试过的字符串 list(a)没有帮助我。

感谢您的帮助!

Answer 1

第一个错误是:不要从单词列表中创建字符串。使用单词的 set 和 set 方法(此处:issubset)

• 将单词列表转换为单词集列表
• 在第一个列表 (a) 的集合中循环，并检查该集合是否包含在 list_b 的一个集合中(不使用 any 否则我们无法知道哪个集合包含当前集合，一个简单的循环就可以了)

像这样:

list_a = [['innovation'], ['innovative'], ['new', 'way', 'go'], ['set', 'trend']]
list_b = [['time', 'innovation'], ['time', 'go', 'new', 'way'],  ['look', 'innovative', 'creative', 'people']]

list_a = [set(x) for x in list_a]
list_b = [set(x) for x in list_b]

for subset in list_a:
    for other_subset in list_b:
        if subset.issubset(other_subset):
            print("{} appears in list b: {}".format(subset,other_subset))

打印:

{'innovation'} appears in list b: {'time', 'innovation'}
{'innovative'} appears in list b: {'look', 'creative', 'innovative', 'people'}
{'new', 'go', 'way'} appears in list b: {'time', 'new', 'go', 'way'}

现在，如果您想保留顺序，但仍希望受益于元素测试的 set 的优势，只需为 list_b 创建元组列表，因为它是迭代了几次。无需对 list_a 执行相同操作，因为它仅迭代一次:

# list_a is now unchanged
list_b = [(set(x),x) for x in list_b]

for sublist in list_a:
    subset = set(sublist)
    for other_subset,other_sublist in list_b:
        if subset.issubset(other_subset):
            print("{} appears in list b: {}".format(sublist,other_sublist))

结果:

['innovation'] appears in list b: ['time', 'innovation']
['innovative'] appears in list b: ['look', 'innovative', 'creative', 'people']
['new', 'way', 'go'] appears in list b: ['time', 'go', 'new', 'way']

算法的成本仍然很高:O(n**3)，但由于 O(n) 而不是 O(n**4) > 设置查找(与列表查找相比)来测试单词列表是否包含在另一个单词列表中。