将相邻的列表元素与 Python 中的元组列表匹配答案

【问题标题】：Match adjacent list elements with a list of tuples in Python将相邻的列表元素与 Python 中的元组列表匹配
【发布时间】：2014-03-13 00:20:10
【问题描述】：

我有一个文档中单个单词的有序列表，如下所示：

words = ['apple', 'orange', 'boat', 'car', 'happy', 'day', 'cow', ...]

我有第二个重要二元组/搭配的元组列表，如下所示：

bigrams = [('apple', 'orange'), ('happy', 'day'), ('big', 'house'), ...]

我想遍历单个单词的列表并用下划线分隔的二元组替换相邻的单词，最终得到如下列表：

words_fixed = ['apple_orange', 'boat', 'car', 'happy_day', 'cow', ...]

我考虑过将words 和bigrams 扁平化为字符串（" ".join(words) 等），然后使用正则表达式来查找和替换相邻的单词，但这似乎非常低效且不合Python。

从元组列表中快速匹配和组合相邻列表元素的最佳方法是什么？

【问题讨论】：

标签： python

【解决方案1】：

不像@inspectorG4dget那么华丽：

words_fixed = []
last = None
for word in words:
    if (last,word) in bigrams:
        words_fixed.append( "%s_%s" % (last,word) )
        last = None
    else:
        if last:
            words_fixed.append( last )
        last = word
if last:
    words_fixed.append( last )

【讨论】：

太棒了。不像 itertools 版本那么华丽，但它不会改变原始的 words 和 bigrams 变量。

【解决方案2】：

words = ['apple', 'orange', 'boat', 'car', 'happy', 'day', 'cow']
bigrams = [('apple', 'orange'), ('happy', 'day'), ('big', 'house')]

bigrams_dict = dict(item for item in bigrams)
bigrams_dict.update(item[::-1] for item in bigrams)

words_fixed = ["{}_{}".format(word, bigrams_dict[word]) 
    if word in bigrams_dict else word
    for word in words]

[编辑]另一种创建字典的方法：

from itertools import chain
bigrams_rev = (reversed(x) for x in bigrams)
bigrams_dict = dict(chain(bigrams, bigrams_rev))

【讨论】：

这最终会反转二元组，导致['apple_orange', 'orange_apple', 'boat', 'car', 'happy_day', 'day_happy', 'cow']
嗯，你需要的解决方案是来自@inspectorG4dget ;)

【解决方案3】：

words = ['apple', 'orange', 'boat', 'car', 'happy', 'day', 'cow', ...]
bigrams = [('apple', 'orange'), ('happy', 'day'), ('big', 'house'), ...]

首先，进行一些优化：

import collections
bigrams = collections.defaultdict(set)
for w1,w2 in bigrams:
    bigrams[w1].add(w2)

现在，开始有趣的事情：

import itertools
words_fixed = []
for w1,w2 in itertools.izip(itertools.islice(words, 0, len(words)), (itertools.islice(words, 1, len(words)))):
    if w1 in bigrams and w2 in bigrams[w1]:
        words_fixed.append("%s_%s" %(w1, w2))

如果您想查看二元组中没有的单词，除了您记录在二元组中的单词，那么这应该可以解决问题：

import itertools
words_fixed = []
for w1,w2 in itertools.izip(itertools.islice(words, 0, len(words)), (itertools.islice(words, 1, len(words)))):
    if w1 in bigrams and w2 in bigrams[w1]:
        words_fixed.append("%s_%s" %(w1, w2))
    else:
        words_fixed.append(w1)

【讨论】：

哦，这很酷，但它最终只返回连接的二元组：['apple_orange', 'happy_day']
太棒了。这也真的很快。谢谢！
其实差不多。仅附加 w1 有效，但它错过了最后一个单词元素，因为它存储在 w2 中。它以['apple_orange', 'orange', 'boat', 'car', 'happy_day', 'day'] 结尾，重复day 并缺少cow。

【解决方案4】：

words = ['apple', 'orange', 'boat', 'car', 'happy', 'day', 'cow', 'big']
bigrams = [('apple', 'orange'), ('happy', 'day'), ('big', 'house')]
print 'words   :',words
print 'bigrams :',bigrams
print
def zwii(words,bigrams):
    it = iter(words)
    dict_bigrams = dict(bigrams)
    for x in it:
        if x in dict_bigrams:
            try:
                y = it.next()
                if dict_bigrams[x] == y:
                    yield '-'.join((x,y))
                else:
                    yield x
                    yield y
            except:
                yield x
        else:
            yield x

print list(zwii(words,bigrams))

结果

words   : ['apple', 'orange', 'boat', 'car', 'happy', 'day', 'cow', 'big']
bigrams : [('apple', 'orange'), ('happy', 'day'), ('big', 'house')]

['apple-orange', 'boat', 'car', 'happy-day', 'cow', 'big']

【讨论】：