从一个大列表中的多个字典中提取（间隔）值，并将这些值与另一个大列表中的相应列表组合

Question

我有两个大列表。

第一个是w_list；一个包含 (1) 单词（例如 'right'）、(2) 开始 id/标签（例如 '#TWsp10'）和 (3) 结束 id/标签（例如 '#TWep10'）的大列表. （这些话来自两个说话者之间的对话）。 w_list 开始：

w_list = [['right', '#TWSp10', '#TWEp10'], ['_', '#TWSp11', '#TWEp11'], ['cough', '#TWSp12', '#TWEp12'], ['_', '#TWSp13', '#TWEp13'], ['go', '#TWSp14', '#TWEp14'], [...] , [...]]

第二个列表 (t_list) 是一个很大的字典列表。字典由 (1) 'xml:id' 键和相应的 id/tag 值组成（例如 'TWsp10'、'TWep10'），这些值类似于 w_list 中的开始和结束 id/tags，这意味着 t_list 中的字典数是w_list 中列表数量的两倍），（2）'interval'键，其值表示单词在对话中出现的时间，以及（3）不相关的'since'键。 t_list 的开始：

t_list = [{'interval': '0', 'xml:id': 'TWSp10', 'since': '#TW0'}, {'interval': '0.2108', 'xml:id': 'TWEp10', 'since': '#TW0'}, {'interval': '0.2108', 'xml:id': 'TWSp11', 'since': '#TW0'}, {'interval': '0.7049', 'xml:id': 'TWEp11', 'since': '#TW0'}, {'interval': '0.7049', 'xml:id': 'TWSp12', 'since': '#TW0'}, {'interval': '0.9223', 'xml:id': 'TWEp12', 'since': '#TW0'}, {'interval': '0.9223', 'xml:id': 'TWSp13', 'since': '#TW0'}, {'interval': '1.6568', 'xml:id': 'TWEp13', 'since': '#TW0'}, {'interval': '1.6568', 'xml:id': 'TWSp14', 'since': '#TW0'}, {'interval': '1.7886', 'xml:id': 'TWEp14', 'since': '#TW0'}, {...} , {...}]

这是我想要创建的示例输出，是否有任何提示可以让我走上正确的道路/轨道？：

word: 'right' start: 0       end: 0.2108 
word: '_'     start: 0.2108  end: 0.1049
word: 'cough' start: 0.7049  end: 0.9223
''
''

与以下内容“相似”：

'right' '#TWsp10': 0       '#TWsp10': 0.2108 
'_'     '#TWsp11': 0.2108  '#TWep11': 0.1049
'cough' '#TWsp12': 0.7049  '#TWep12: 0.9223
''
''

用冒号创建单词、开始和结束字符串绝对不是问题。 这是如何从 dicts（在 t_list 中）提取区间值，并将它们与列表（在 w_list 中）各自的结束/开始 id/标签结合起来。

感谢任何建议。

Answer 1

首先创建一个时间间隔字典，以标签为键

time_dict = {i['xml:id'] : i['interval'] for i in t_list}

time_dict = 
{'TWEp10': '0.2108',
 'TWEp11': '0.7049',
 'TWEp12': '0.9223',
 'TWEp13': '1.6568',
 'TWEp14': '1.7886',
 'TWSp10': '0',
 'TWSp11': '0.2108',
 'TWSp12': '0.7049',
 'TWSp13': '0.9223',
 'TWSp14': '1.6568'}

然后简单地遍历单词列表并检索时间

from collections import defaultdict
res = defaultdict(list)
for word, start, end in w_list:
    res[word].append({'start':time_dict[start[1:]], 'end': time_dict[end[1:]] }) 

[1:] 删除字符串中的#

结果：

res = 
    {
    "go": [
        {
            "start": "1.6568", 
            "end": "1.7886"
        }
    ], 
    "cough": [
        {
            "start": "0.7049", 
            "end": "0.9223"
        }
    ], 
    "right": [
        {
            "start": "0", 
            "end": "0.2108"
        }
    ], 
    "_": [
        {
            "start": "0.2108", 
            "end": "0.7049"
        }, 
        {
            "start": "0.9223", 
            "end": "1.6568"
        }
    ]
}

编辑：

从time_dict创建结果的替代方法

from operator import itemgetter
wlist2 = [(word, float(time_dict[start[1:]]), float(time_dict[end[1:]])) for word, start, end in w_list]
wlist2.sort(key = itemgetter(1))

此列表中的前十个元素：

('right', 0.0, 0.2108)
('_', 0.0, 1.0106)
('_', 0.2108, 0.7049)
('cough', 0.7049, 0.9223)
('_', 0.9223, 1.6568)
('nonvocal', 1.0106, 1.0688)
('_', 1.0688, 2.2074)
('go', 1.6568, 1.7886)
('south', 1.7886, 2.229)
('nonvocal', 2.2074, 2.4019)

Answer 2

您可以执行以下操作：

>>> w_list = [['right', '#TWSp10', '#TWEp10'], ['_', '#TWSp11', '#TWEp11'], ['cough', '#TWSp12', '#TWEp12'], ['_', '#TWSp13', '#TWEp13'], ['go', '#TWSp14', '#TWEp14']]
>>> 
>>> t_list = [{'interval': '0', 'xml:id': 'TWSp10', 'since': '#TW0'}, {'interval': '0.2108', 'xml:id': 'TWEp10', 'since': '#TW0'}, {'interval': '0.2108', 'xml:id': 'TWSp11', 'since': '#TW0'}, {'interval': '0.7049', 'xml:id': 'TWEp11', 'since': '#TW0'}, {'interval': '0.7049', 'xml:id': 'TWSp12', 'since': '#TW0'}, {'interval': '0.9223', 'xml:id': 'TWEp12', 'since': '#TW0'}, {'interval': '0.9223', 'xml:id': 'TWSp13', 'since': '#TW0'}, {'interval': '1.6568', 'xml:id': 'TWEp13', 'since': '#TW0'}, {'interval': '1.6568', 'xml:id': 'TWSp14', 'since': '#TW0'}, {'interval': '1.7886', 'xml:id': 'TWEp14', 'since': '#TW0'}]
>>>
>>> for t1 , (t2,t3) in zip(w_list, zip(t_list[::2],t_list[1::2])):
    print 'word: {0[0]:<10} start: {1[interval]:<10} end: {2[interval]:<10}'.format(t1, t2, t3) #for pretty printing 


word: right      start: 0          end: 0.2108    
word: _          start: 0.2108     end: 0.7049    
word: cough      start: 0.7049     end: 0.9223    
word: _          start: 0.9223     end: 1.6568    
word: go         start: 1.6568     end: 1.7886  
>>>
>>> d = {} #save the needed data as a dictionary
>>> for t1 , (t2,t3) in zip(w_list, zip(t_list[::2],t_list[1::2])):
    d[t1[0]] = {'start':t2['interval'], 'end':t3['interval']}
{'go': {'start': '1.6568', 'end': '1.7886'}, 'cough': {'start': '0.7049', 'end': '0.9223'}, 'right': {'start': '0', 'end': '0.2108'}, '_': {'start': '0.9223', 'end': '1.6568'}}

编辑：

前一种方法的问题是，如果您不确定两个列表的排序是否相同，为了摆脱这种情况，请将两个列表排序为相同的顺序：

>>> import re
>>> from operator import itemgetter
>>>
>>> t_sorted = sorted(t_list, key=lambda s:re.findall(r'\d+$',s['xml:id']))
>>> t_sorted = sorted(t_list, key=lambda s:s['xml:id'][-2:]) #if you are sure that the last two are always digits, but I don't recommend it for general cases
>>> t_sorted
[{'xml:id': 'TWSp10', 'interval': '0', 'since': '#TW0'}, {'xml:id': 'TWEp10', 'interval': '0.2108', 'since': '#TW0'}, {'xml:id': 'TWSp11', 'interval': '0.2108', 'since': '#TW0'}, {'xml:id': 'TWEp11', 'interval': '0.7049', 'since': '#TW0'}, {'xml:id': 'TWSp12', 'interval': '0.7049', 'since': '#TW0'}, {'xml:id': 'TWEp12', 'interval': '0.9223', 'since': '#TW0'}, {'xml:id': 'TWSp13', 'interval': '0.9223', 'since': '#TW0'}, {'xml:id': 'TWEp13', 'interval': '1.6568', 'since': '#TW0'}, {'xml:id': 'TWSp14', 'interval': '1.6568', 'since': '#TW0'}, {'xml:id': 'TWEp14', 'interval': '1.7886', 'since': '#TW0'}]
>>>
>>> w_sorted = sorted(w_list, key=itemgetter(1))
>>> w_sorted
[['right', '#TWSp10', '#TWEp10'], ['_', '#TWSp11', '#TWEp11'], ['cough', '#TWSp12', '#TWEp12'], ['_', '#TWSp13', '#TWEp13'], ['go', '#TWSp14', '#TWEp14']]
>>> d = {} #save the needed data as a dictionary
>>> for t1 , (t2,t3) in zip(w_sorted, zip(t_sorted[::2],t_sorted[1::2])):
    d[t1[0]] = {'start':t2['interval'], 'end':t3['interval']}