根据另一个字符串列表（例如黑名单字符串）从字符串列表中每个元素的末尾删除字符

Question

我有一个字典，其中包含键“样本”的许多唯一字符串值。我正在将此键“样本”转换为用于绘图的列表，但是我想生成另一个具有相同数量元素的列表，这些元素在每个元素的末尾去除某些字符串以生成一个“干净”列表，然后可以对某些元素进行分组样品一起作图。例如，我的黑名单如下所示：

blacklist = ['_001', '_002', '_003', '_004', '_005', '_006', '_007', '_008', '_009', \
                       '_01', '_02', '_03', '_04', '_05', '_06', '_07', '_08', '_09', \
                       '_1', '_2', '_3', '_4', '_5', '_6', '_7', '_8', '_9']

我想从我的字典生成的示例列表中的每个项目中删除：

sample = [(d['sample']) for d in my_stats]
sample
['sample_A', 'sample_A_001', 'sample_A_002', 'my_long_sample_B_1', 'other_sample_C_08', 'sample_A_03', 'sample1_D_07']

具有新列表的所需结果：

sample
['sample_A', 'sample_A', 'sample_A', 'my_long_sample_B', 'other_sample_C', 'sample_A', 'sample1_D']

对于上下文，我知道会有一些元素是相同的——我想使用这个列表来编译一个数据框，并结合具有相同数量值的列表从这个字典生成其他键，这些键将是用作绘图中的 id（即，我可以使用它对所有这些值进行相同的分组/着色）。请注意，可能有不同数量的下划线，并且我的字符串列表中可能有一些元素不包含黑名单中的任何值（这就是为什么我不能在最后一个下划线上使用某些拆分变体的原因）。

这与此问题类似： How can I remove multiple characters in a list?

但我不希望它如此笼统/贪婪，并且理想情况下只希望从末尾删除它，因为用户可能在内部有一个包含这些字符串部分的输入文件（例如 sample1_D 中的 1）。如果有其他解决方案，我不一定需要使用黑名单，这似乎是最简单的方法。

Answer 1

使用regex。

import re

pattern = '|'.join(blacklist)
[re.sub(pattern+'$', '', x) for x in sample]

输出：

['sample_A',
 'sample_A',
 'sample_A',
 'my_long_sample_B',
 'other_sample_C',
 'sample_A',
 'sample1_D']

Answer 2

给你，看看这是否符合你的要求。

基本上，您只是在'_' 字符上进行拆分并测试列表中的最后一个拆分是否在您的黑名单中。如果True，则放下它，如果False 将字符串重新组合在一起；并根据结果构建一个新列表。

blacklist = ['_001', '_002', '_003', '_004', '_005', '_006', '_007', '_008',
             '_01', '_02', '_03', '_04', '_05', '_06', '_07', '_08', '_09',
             '_1', '_2', '_3', '_4', '_5', '_6', '_7', '_8', '_9']
sample = ['sample_A', 'sample_A_001', 'sample_A_002', 'my_long_sample_B_1',
          'other_sample_C_08', 'sample_A_03', 'sample1_D_07']
results = []

for i in sample:
    splt = i.split('_')
    value = '_'.join(splt[:-1]) if '_{}'.format(splt[-1:][0]) in blacklist else '_'.join(splt)
    results.append(value)

print(results)

输出：

['sample_A', 'sample_A', 'sample_A', 'my_long_sample_B', 'other_sample_C', 'sample_A', 'sample1_D']

Answer 3

您可以使用正则表达式中的sub：

import re
from functools import partial

blacklist = ['_001', '_002', '_003', '_004', '_005', '_006', '_007', '_008', '_009',
             '_01', '_02', '_03', '_04', '_05', '_06', '_07', '_08', '_09',
             '_1', '_2', '_3', '_4', '_5', '_6', '_7', '_8', '_9']


def sub(match, bl=None):
    if match.group() in bl:
        return ""
    return match.group()


repl = partial(sub, bl=set(blacklist))

sample = ['sample_A', 'sample_A_001', 'sample_A_002', 'my_long_sample_B_1', 'other_sample_C_08', 'sample_A_03',
          'sample1_D_07']

print([re.sub("_[^_]+?$", repl, si) for si in sample])

输出

['sample_A', 'sample_A', 'sample_A', 'my_long_sample_B', 'other_sample_C', 'sample_A', 'sample1_D']

看看为什么这是要走的路，如果你想要速度，here。

Answer 4

您可以遍历您的示例列表，如果元素的最后一个字符是数字，那么您可以遍历您的黑名单项目，检查字符串是否以该字符结尾。如果是，那么您可以从字符串中删除黑名单项并将结果重新分配给示例列表。

blacklist = [
    '_001', '_002', '_003', '_004', '_005', '_006', '_007', '_008', '_009',
    '_01', '_02', '_03', '_04', '_05', '_06', '_07', '_08', '_09',
    '_1', '_2', '_3', '_4', '_5', '_6', '_7', '_8', '_9'
]

sample = ['sample_A', 'sample_A_001', 'sample_A_002', 'my_long_sample_B_1', 'other_sample_C_08', 'sample_A_03', 'sample1_D_07']

for index, item in enumerate(sample):
    #check if the last char is a digit, if its not then it cant be in our black list so no point checking
    if item[-1].isdigit():
        for black in blacklist:
            if item.endswith(black):
                sample[index] = item.rstrip(black)

print(sample)

输出

['sample_A', 'sample_A', 'sample_A', 'my_long_sample_B', 'other_sample_C', 'sample_A', 'sample1_D']