如何查找字符串中子字符串的出现次数并将其存储到 Python 字典中？

Question

我有一个问题，不知道如何创建矩阵

我有一本这种类型的字典：

dico = {
"banana": "sp_345",
"apple": "ap_456",
"pear": "pe_645",

}

还有这样的文件：

sp_345_4567 pe_645_4567876  ap_456_45678    pe_645_4556789
sp_345_567  pe_645_45678
pe_645_45678    ap_456_345678
sp_345_56789    ap_456_345
pe_645_45678    ap_456_345678
sp_345_56789    ap_456_345
s45678  f45678  f456789 ap_456_52546135

我想做的是创建一个矩阵，在该矩阵中，我们从该行中的字典中找到一个值的 n 倍以上。

这就是我想继续的方式：

第 1 步创建一个包含相关值和行数的字典：

像这样：

dictionary = {'1': 'sp_345_4567','pe_645_4567876', 'ap_456_45678', 'pe_645_4556789'; '2': 'sp_345_567', 'pe_645_45678'; '3:' 'pe_645_45678','ap_456_345678'; '4:' etc ..

然后我想将值与我的第一个字典 dico 进行比较，并查看例如香蕉键出现在每一行中的次数（因此对我字典的所有键执行此操作），除了问题是我的 dico 的值不等于我的字典的值，因为它们后面跟着这个模式'_\w+''

我们的想法是制作一个看起来像这样的 final_dict 以便能够在最后制作一个矩阵：

final_dict = {'line1': 'Banana' : '1' ; 'Apple': '1'; 'Pear':2; 'line2': etc ...

这是我的代码不起作用：

import pprint
import re
import csv

dico = {
    "banana": "sp_345",
    "apple": "ap_456",
    "pear": "pe_645",
}

dictionary = {}
final_dict = {}
cnt = 0
with open("test.txt") as file :
    reader = csv.reader(file, delimiter ='\t')
    for li in reader:
        grp = li
        number = 1
        for li in reader:
            dictionary[number] = grp
            number += 1
            pprint.pprint(dictionary)
            number_fruit = {}
            for key1, val1 in dico.items():
                for key2, val2 in dictionary.items():
                     if val1 == val2+'_\w+':
                         final_dict[key1] = val2

感谢您的帮助

编辑：

我尝试过使用字典理解

import csv
import re

dico = {
    "banana": "sp_345",
    "apple": "ap_456",
    "pear": "pe_645",
}

with open("test.txt") as file :
    reader = csv.reader(file, delimiter ='\t')
    for li in reader:
        pattern = re.search(dico["banana"]+"_\w+", str(li))
        if pattern:
            final_dict = {"line" + str(index + 1):{key:line.count(text) for key, text in dico.items()} for index, line in enumerate(reader)}
        print(final_dict)

但是当我打印我的最终字典时，它只为香蕉输入 0 ...

{'line1': {'banana': 0, 'apple': 0, 'pear': 0}, 'line2': {'banana': 0, 'apple': 0, 'pear': 0}, 'line3': {'banana': 0, 'apple': 0, 'pear': 0}, 'line4': {'banana': 0, 'apple': 0, 'pear': 0}, 'line5': {'banana': 0, 'apple': 0, 'pear': 0}, 'line6': {'banana': 0, 'apple': 0, 'pear': 0}}

所以是的，现在它看起来比我想要的多一点，但发生率并没有上升....：/也许我的情况应该在 dict 理解范围内？？

Answer 1

为什么它不起作用

你的测试

if val1 == val2+'_\w+':
    ...

不起作用，因为您正在测试 val1 之间的字符串相等性，这可能是 "sp_345_4567" 和 val2+'_\w+'，这是一个 字符串，可能是 "sp_345_\w+'"，它们是不相等。

你能做些什么

• 例如，您可能想要测试收容措施

if val1 in val2:
    ...

您可以检查"sp_345" in "sp_345_4567" 是否返回true。

• 您可能还想实际计算"sp_345" 在另一个字符串中出现的次数，您可以使用.count 来做到这一点：

"sp_345_567  pe_645_45678".count("sp_345") # returns 1
"sp_345_567  pe_645_45678".count("_") # returns 2

• 您也可以使用 正则表达式，就像您尝试过的那样：

import re
pattern = "sp_345_" + "\\w+"

if re.match(pattern, "sp_345_4567"):
    # pattern was found! Do stuff here.
    pass

# alternatively:
print(re.findall(pattern, "sp_345_4567"))
# prints ['sp_345_4567']

你如何应用它来构建你的final_dict

您可以使用字典理解以更简单的方式重写您的代码：

import csv

dico = {
    "banana": "sp_345",
    "apple": "ap_456",
    "pear": "pe_645",
}

with open("test.txt") as file :
    reader = csv.reader(file, delimiter ='\t')
    final_dict = {"line" + str(index + 1):{key:line.count(text) for key, text in dico.items()} for index, line in enumerate(reader)}

我正在构建一个外部字典，其中包含 "line1"、"line2"... 之类的键，对于它们中的每一个，值都是一个内部字典，其中包含 "banana" 或 "apple" 之类的键，每个值都是它们出现在行上的次数。

如果您想知道banana 在4 行上出现了多少次，您可以使用

print(final_dict["line4"]["banana"])

请注意，我建议使用列表而不是字典来将结果映射到行号，这样之前的查询就会变成：

print(final_list[3]["banana"])