字典之间的python传递性

Question

我在python中有一个类似下面的列表（真正的列表很大，我不能仅仅通过查看它来做到这一点）：

original1=[['email', 'tel', 'fecha', 'descripcion', 'categ'],
          ['a@gmail.com', '1', '2014-08-06 00:00:06', 'MySpace a', 'animales'],
          ['b@gmail.com', '1', '2014-08-01 00:00:06', 'My Space a', 'ropa'],
          ['a@gmail.com', '2', '2014-08-06 00:00:06', 'My Space b', 'electronica'],
          ['b@gmail.com', '3', '2014-08-10 00:00:06', 'Myace c', 'animales'],
          ['c@gmail.com', '4', '2014-08-10 00:00:06', 'Myace c', 'animales']]

我将其拆分为数据和名称以处理数据：

datos=original1[-(len(original1)-1):len(original1)]

考虑到电子邮件和电话，我需要制作一个将所有重复项放在一起的字典，但我需要应用传递性：因为如果我们考虑电子邮件，第 0 行 = 第 2 行，但如果我们考虑电话，则第 1 行，而第 1 行1= 第 3 行 如果我们再次考虑电子邮件，我需要知道在这种情况下所有候选人都是 0、1、2 和 3，而 4 是单独的。

我创建了以下代码：

from collections import defaultdict
email_to_indices = defaultdict(list) 
phone_to_indices = defaultdict(list)

for idx, row in enumerate(datos): 
    email = row[0].lower() 
    phone = row[1]
    email_to_indices[email].append(idx) 
    phone_to_indices[phone].append(idx)

所以现在我需要应用传递性规则，将 0 到 3 和单独的 4 聚集在一起。

如果你打印

print 'email', email_to_indices
print 'phone', phone_to_indices

你得到：

email defaultdict(, {'a@gmail.com': [0, 2],'b@gmail.com': [1, 3], 'c@gmail.com': [4]})

phone defaultdict(, {'1': [0, 1], '3': [3], '2': [2], '4': [4]})

不知道如何获得考虑传递属性的人的联合。 我需要得到类似的东西：

first_group: [0, 1, 2, 3]
second_group：[4]

谢谢！

Answer 1

这里有一个图表，或者更准确地说是Bipartite graph。节点有两种类型：电子邮件和电话。如果该电子邮件和电话存在记录，则连接两个节点。或者我们甚至可以说记录本身就是连接两个节点的边。

任务是找到这张图的Connected components。通过以下链接，您可以找到可以在线性时间内完成的算法。

当然，也可以发明一些快速而肮脏的解决方案，如果您的数据集足够小，甚至可能被认为是合适的。

您可以在这里找到一些 Python 实现：Python connected components

更新：以下是如何构建图表的示例：

graph = {};
EMAIL = "email";
PHONE = "phone";

for rec in datos:
    graph.setdefault((EMAIL, rec[0]), set()).add((PHONE, rec[1]));
    graph.setdefault((PHONE, rec[1]), set()).add((EMAIL, rec[0]));

print "\n".join("%s: %s" % (str(node), str(linkedNodes)) for (node, linkedNodes) in graph.iteritems());

所以每个节点都有一个类型（EMAIL 或PHONE，它们实际上可以只是整数，例如 0 和 1，我将它们设为字符串只是为了方便打印）和一个值。 Graph 是一个字典，其中节点作为键，连接的节点集作为值。

Answer 2

这是另一种方法：

在构建email_to_indices 字典时，可以将该行的电话号码存储为值，然后让phone_to_indices 具有该行的索引。这样我们就创建了一个email_to_indices 到phone_to_indices 来索引行映射。

通过修改和基本的设置操作，我可以得到你想要的：

from collections import defaultdict

email_to_indices = defaultdict(list)
phone_to_indices = defaultdict(list)
combined = defaultdict(set)

original=[['email', 'tel', 'fecha', 'descripcion', 'categ'],
          ['a@gmail.com', '1', '2014-08-06 00:00:06', 'MySpace a', 'animales'],
          ['b@gmail.com', '1', '2014-08-01 00:00:06', 'My Space a', 'ropa'],
          ['a@gmail.com', '2', '2014-08-06 00:00:06', 'My Space b', 'electronica'],
          ['b@gmail.com', '3', '2014-08-10 00:00:06', 'Myace c', 'animales'],
          ['c@gmail.com', '4', '2014-08-10 00:00:06', 'Myace c', 'animales']]


for idx, row in enumerate(original[1:], start=1):
    email = row[0].lower()
    phone = row[1]
    email_to_indices[email].append(phone) # Here is what I changed
    phone_to_indices[phone].append(idx)

random_key = 0
for idx, row in enumerate(original[1:], start=1):
    grouped_rows = []
    if row[0].lower() in email_to_indices:
        for phone_no in email_to_indices[row[0].lower()]:
            grouped_rows.extend(phone_to_indices[phone_no])

    if len(combined[random_key]) > 0 and len(set(grouped_rows).intersection(combined[random_key])) > 0:
        combined[random_key].update(set(grouped_rows))
    elif len(combined[random_key]) > 0:
        random_key += 1
        combined[random_key].update(set(grouped_rows))
    else:
        combined[random_key].update(set(grouped_rows))

print combined

这给出了：

defaultdict(<type 'set'>, {0: set([1, 2, 3, 4]), 1: set([5])})