合并单词对列表中的第一个单词，具体取决于这些单词对中的第二个单词答案

【问题标题】：Merge the first words in a list of word-pairs, depending on the second words in those pairs合并单词对列表中的第一个单词，具体取决于这些单词对中的第二个单词
【发布时间】：2017-01-10 22:40:42
【问题描述】：

我有一个程序 (NLTK-NER)，它为我提供了这个列表：

[
    ('Barak', 'PERSON'),
    ('Obama', 'PERSON'),
    ('is', 'O'),
    ('the', 'O'),
    ('president', 'O'),
    ('of', 'O'),
    ('United', 'LOCATION'),
    ('States', 'LOCATION'),
    ('of', 'LOCATION'),
    ('America', 'LOCATION')
]

如您所见，“Barak”和“Obama”是“PERSON”类型的词，我想将它们（以及“LOCATION”类型的词）合并在一起，如下所示：

['Barak Obama','is','the','president', 'of','United States of America']

我该如何解决这个问题？

【问题讨论】：

标签： python list python-3.x tuples grouping

【解决方案1】：

本质上，我们在这里要做的是将classified_text 的一些项目组合在一起......所以itertools.groupby() 可以提供帮助是理所当然的。首先，我们需要一个关键函数，将带有标签'PERSON' 或'LOCATION' 的项目视为相似，而将所有其他项目视为不同。

这有点复杂，因为我们需要一种方法来区分具有相同标签的相邻项目（'PERSON' 或 'LOCATION' 除外），例如('is', 'O'), ('the', 'O') 等。我们可以使用enumerate()：

>>> list(enumerate(classified_text))
[..., (2, ('is', 'O')), (3, ('the', 'O')), (4, ('president', 'O')), ...]

现在我们知道要向groupby() 提供什么作为输入，我们可以编写我们的关键函数：

def person_or_location(item):
    index, (word, tag) = item
    if tag in {'PERSON', 'LOCATION'}:
        return tag
    else:
        return index

请注意，赋值中index, (word, tag) 的结构与我们枚举列表中每个项目的结构相匹配。

一旦我们得到它，我们就可以编写另一个函数来进行实际的合并：

from itertools import groupby

def merge(tagged_text):
    enumerated_text = enumerate(tagged_text)
    grouped_text = groupby(enumerated_text, person_or_location)
    return [
        ' '.join(word for index, (word, tag) in group)
        for key, group in grouped_text
    ]

它在行动：

>>> merge(classified_text)
['Barak Obama', 'is', 'the', 'president', 'of', 'United States of America']

【讨论】：

【解决方案2】：

这是我想到的第一件事，很确定它可以优化，但这是一个好的开始。

    classified_text = [('Barak', 'PERSON'), ('Obama', 'PERSON'), ('is', 'O'), ('the', 'O'), ('president', 'O'), ('of', 'O'), ('United', 'LOCATION'), ('States', 'LOCATION'), ('of', 'LOCATION'), ('America', 'LOCATION')]

    # Reverse the list so it pops the first element
    classified_text.reverse()
    # Create an aux list to store the result and add the first item
    new_text = [classified_text.pop(), ]
    # Iterate over the text
    while classified_text:
        old_word = new_text[-1]
        new_word = classified_text.pop()

        # If previous word has same type, merge. 
        # Avoid merging 'O' types
        if old_word[1] == new_word[1] and new_word[1] != 'O':
            new_text[-1] = (
                ' '.join((old_word[0], new_word[0])),
                new_word[1],
            )

        # If not just add the tuple
        else:
            new_text.append(new_word)

    # Remove the types from the list and you have your result
    new_text = [x[0] for x in new_text]

【讨论】：