比较字符串并计算出现次数

Question

我不知道如何解决这个问题。

我有 3 个列表，其中包含一个单词、一个标签和一个出现在文档上的数字：

v1 = [['be', 'VSIS3S0', 1], ['scott', 'NP00000', 2], ['north', 'NCMS000', 1], ['revolution', 'NP00000', 1], ['name', 'VMP00SM', 1]]
v2 = [['mechanic', 'NCMS000', 1], ['be', 'VSIS3S0', 1], ['tool', 'AQ0CS0', 1], ['sam', 'NP00000', 1], ['frida', 'NP00000', 1]]
v3 = [['be', 'VSIP3S0', 1], ['scott', 'NP00000', 1], ['who', 'NP00000', 1]]

我如何构建一个函数来接收这些列表比较每个单词，例如，v1 中的单词 be 在三个列表中出现一次，在这种情况下附加到结果列表 (1 * log(3/3))，其中 1 -> 出现的最大值（这是子列表的第三个元素），对数分子 3 -> 常量，对数分母 3 -> 因为该词出现在 v1、v2 和 v3。

接下来我们有scott -> 在这种情况下附加到结果列表(2 * log(3/2))，2 -> 出现的最大单词值，对数分子3 -> 常数，对数分母2 -> 因为单词' scott' 出现在 v1 和 v2。

接下来我们有north -> 在这种情况下追加到结果列表(1 * log(3/1))，1 -> 最大单词的出现值，对数分子3 -> 常数，对数分母1 -> 因为单词' north' 仅出现 v1。

接下来我们有revolution -> 在这种情况下追加到结果列表(1 * log(3/1))，1 -> 最大单词的出现值，对数分子3 -> 常数，对数分母1 -> 因为单词' north' 仅出现 v1。

接下来我们有name -> 在这种情况下追加到结果列表(1 * log(3/1))，1 -> 最大单词的出现值，对数分子3 -> 常数，对数分母1 -> 因为单词' name' 仅出现 v1。

此外，我们还必须对v2 做同样的事情，将mechanic、be、tool 等与换句话说，计算出现的最大值并将其相乘w/ log(3/?)，这取决于是否v1 和 v3 中是否出现单词。

这是我对v1的尝试：

def f1(v1, v2, v3):
    res =[]
    for e in v1:
        if e != 0:
            if e in v2 and e in v3:
                res.append(0)
            elif e in v2:
                res.append(e * math.log(3/2))
            else:
                res.append(e * math.log(3))
    return res  

返回：[0, 2.1972245773362196, 0, 0, 0, 0]

这显然不是结果

它应该返回类似：

[['be', 0.47], ['scott', 0.35 ], ['north', 0.47], ['revolution', 0.47], ['north', 0.47]]

Answer 1

根据你的描述，我得到了

import math
v1 = [['be', 'VSIS3S0', 1], ['scott', 'NP00000', 2], ['north', 'NCMS000', 1], ['revolution', 'NP00000', 1], ['name', 'VMP00SM', 1]]
v2 = [['mechanic', 'NCMS000', 1], ['be', 'VSIS3S0', 1], ['tool', 'AQ0CS0', 1], ['sam', 'NP00000', 1], ['frida', 'NP00000', 1]]
v3 = [['be', 'VSIP3S0', 1], ['scott', 'NP00000', 1], ['who', 'NP00000', 1]]

v = [v1,v2,v3]

countdict = {}
for vi in v:
    for e in vi:
        countdict[e[0]] = countdict.get(e[0],0) + 1

scoredict = {}
for vi in v:
    for e in vi:
        scoredict[e[0]] = scoredict.get(e[0],0) + (e[2] * math.log10(3.0/countdict[e[0]]))

print scoredict

我将输出保存为dict，即：

{'be': 0.0, 'revolution': 0.47712125471966244, 'north': 0.47712125471966244, 'name': 0.47712125471966244, 'sam': 0.47712125471966244, 'tool': 0.47712125471966244, 'who': 0.47712125471966244, 'scott': 0.5282737771670437, 'mechanic': 0.47712125471966244, 'frida': 0.47712125471966244}