比较两个字典之间的相似词

Question

我正在使用 python 3.x，

我有 2 部字典（都很大，但会在这里替代）。字典的值包含多个单词：

dict_a = {'key1': 'Large left panel', 'key2': 'Orange bear rug', 'key3': 'Luxo jr. lamp'}
dict_a

{'key1': 'Large left panel',
 'key2': 'Orange bear rug',
 'key3': 'Luxo jr. lamp'}

dict_b = {'keyX': 'titanium panel', 'keyY': 'orange Ball and chain', 'keyZ': 'large bear musket'}
dict_b

{'keyX': 'titanium panel',
 'keyY': 'orange Ball and chain',
 'keyZ': 'large bear musket'}

我正在寻找一种方法来比较 dict_a 的值中包含的单个单词与 dict_b 的值中包含的单词，并返回包含该单词的字典或数据框，以及来自dict_a 和 dict_b 关联：

我想要的输出（未以任何特定方式格式化）：

• 熊：key2（来自dict_a），keyZ（来自dict_b）
• Luxo: key3
• 橙色：key2（来自 dict_a），keyY（来自 dict_b）

我的代码可用于在单个字典中查找特定单词，但这还不够我需要在这里完成的工作：

def search(myDict, lookup):
    aDict = {}
    for key, value in myDict.items():
        for v in value:
            if lookup in v:
               aDict[key] = value
    return aDict
    print (key, value)

Answer 1

dicts = {'a': {'key1': 'Large left panel', 'key2': 'Orange bear rug', 
               'key3': 'Luxo jr. lamp'},
         'b': {'keyX': 'titanium panel', 'keyY': 'orange Ball and chain', 
               'keyZ': 'large bear musket'} }
from collections import defaultdict
index = defaultdict(list)
for dname, d in dicts.items():
    for key, words in d.items():
        for word in words.lower().split(): # lower() to make Orange/orange match
            index[word].append((dname, key))

index 现在包含：

{'and'     : [('b', 'keyY')],
 'ball'    : [('b', 'keyY')],
 'bear'    : [('a', 'key2'), ('b', 'keyZ')],
 'chain'   : [('b', 'keyY')],
 'jr.'     : [('a', 'key3')],
 'lamp'    : [('a', 'key3')],
 'large'   : [('a', 'key1'), ('b', 'keyZ')],
 'left'    : [('a', 'key1')],
 'luxo'    : [('a', 'key3')],
 'musket'  : [('b', 'keyZ')],
 'orange'  : [('a', 'key2'), ('b', 'keyY')],
 'panel'   : [('a', 'key1'), ('b', 'keyX')],
 'rug'     : [('a', 'key2')],
 'titanium': [('b', 'keyX')] }

---

更新到 cmets

由于您的实际字典是从字符串到列表（而不是字符串到字符串）的映射，请将循环更改为

for dname, d in dicts.items():
    for key, wordlist in d.items():    # changed "words" to "wordlist"
        for words in wordlist:         # added extra loop to iterate over wordlist
            for word in words.split(): # removed .lower() since text is always uppercase
                index[word].append((dname, key))

由于您的列表只有一项您可以做的事情

for dname, d in dicts.items():
    for key, wordlist in d.items(): 
        for word in wordlist[0].split(): # assumes single item list
            index[word].append((dname, key))

如果您有不想添加到索引中的单词，您可以跳过将它们添加到index：

words_to_skip = {'-', ';', '/', 'AND', 'TO', 'UP', 'WITH', ''}

然后用

过滤掉它们

if word in words_to_skip:
    continue 

我注意到您有一些用括号括起来的单词（例如(342) 和(221)）。如果你想去掉括号，请执行

if word[0] == '(' and word[-1] == ')':
    word = word[1:-1]

把这一切放在一起，我们得到了

words_to_skip = {'-', ';', '/', 'AND', 'TO', 'UP', 'WITH', ''}
for dname, d in dicts.items():
    for key, wordlist in d.items():
        for word in wordlist[0].split():  # assumes single item list
            if word[0] == '(' and word[-1] == ')': 
                word = word[1:-1]         # remove outer parenthesis
            if word in words_to_skip:     # skip unwanted words
                continue 
            index[word].append((dname, key))

Answer 2

我认为你可以很容易地做你想做的事。此代码以{word: {key: name_of_dict_the_key_is_in}}:

格式生成输出

def search(**dicts):
    result = {}

    for name, dct in dicts.items():
        for key, value in dct.items():
            for word in value.split():
                result.setdefault(word, {})[key] = name

    return result

您使用输入字典作为关键字参数来调用它。您为每个字典使用的关键字将是用于在输出字典中描述它的字符串，因此请使用 search(dict_a=dict_a, dict_b=dict_b) 之类的内容。

如果您的字典可能有一些相同的键，则此代码可能无法正常工作，因为如果它们的值中包含相同的单词，这些键可能会发生冲突。你可以让外部字典包含(key, name) 元组的列表，而不是内部字典，我想。只需将分配行更改为result.setdefault(word, []).append((key, name))。不过这样搜索起来就不那么方便了。