在一定范围内找到有间隙的子列表答案

【问题标题】：finding gappy sublists within a certain range在一定范围内找到有间隙的子列表
【发布时间】：2018-05-21 08:00:36
【问题描述】：

最近I asked a question here 我想在更大的列表中找到子列表。我有一个类似但略有不同的问题。假设我有这个列表：

 [['she', 'is', 'a', 'student'],
 ['she', 'is', 'a', 'lawer'],
 ['she', 'is', 'a', 'great', 'student'],
 ['i', 'am', 'a', 'teacher'],
 ['she', 'is', 'a', 'very', 'very', 'exceptionally', 'good', 'student']]

我想使用matches = ['she', 'is', 'student'] 查询它，目的是从查询列表中以相同的顺序获取包含matches 元素的所有子列表。与链接中问题的唯一区别是我想向 find_gappy 函数添加一个 range 参数，这样它就不会检索元素之间的间隙超过指定范围的子列表。例如，在上面的例子中，我想要一个这样的函数：

matches = ['she', 'is', 'student']
x = [i for i in x if find_gappy(i, matches, range=2)]

会返回：

[['she', 'is', 'a', 'student'], ['she', 'is', 'a', 'great', 'student']]

最后一个元素没有出现，因为在句子she is a very very exceptionally good student中，a和good之间的距离超过了范围限制。

这样的函数怎么写？之间的差距

【问题讨论】：

是否应该在任何单词之间应用 gappy 限制，或者它是一个集体 gappy 限制 - 即是否应该 ['she', 'xxx', 'yyy', 'is', 'a', 'zzz', 'student'] 匹配，因为最大任意两个词之间的gap是2，但总gap是4。
要么扩大范围限制，要么完全删除它——看起来很明显，所以我认为你不能这样做是有原因的？顺便说一句，我和克莱姆的侄女一起上大学！
@zwer 间隙限制适用于任何单词之间。这不是一个集体限制。
matches的顺序呢？它总是与传递给函数的原始匹配相同吗？
@PaulaThomas 我侄女不记得你了，你在骂人。 :-D

标签： python python-3.x list pattern-matching sublist

【解决方案1】：

这是一种考虑match 列表中项目顺序的方法：

In [102]: def find_gappy(all_sets, matches, gap_range=2):
     ...:     zip_m = list(zip(matches, matches[1:]))
     ...:     for lst in all_sets:
     ...:         indices = {j: i for i, j in enumerate(lst)}
     ...:         try:
     ...:             if all(0 <= indices[j]-indices[i] - 1 <= gap_range for i, j in zip_m):
     ...:                 yield lst
     ...:         except KeyError:
     ...:             pass
     ...:         
     ...:

演示：

In [110]: lst = [['she', 'is', 'a', 'student'],
     ...:  ['student', 'she', 'is', 'a', 'lawer'],  # for order check
     ...:  ['she', 'is', 'a', 'great', 'student'],
     ...:  ['i', 'am', 'a', 'teacher'],
     ...:  ['she', 'is', 'a', 'very', 'very', 'exceptionally', 'good', 'student']] 
     ...:  

In [111]: 

In [111]: list(find_gappy(lst, ['she', 'is', 'student'], gap_range=2))
Out[111]: [['she', 'is', 'a', 'student'], ['she', 'is', 'a', 'great', 'student']]

如果您的子列表中有重复的单词，您可以使用defaultdict() 跟踪所有索引，并使用itertools.prodcut 比较单词对的所有有序产品的差距。

In [9]: from collections import defaultdict
In [10]: from itertools import product

In [10]: def find_gappy(all_sets, matches, gap_range=2):
    ...:     zip_m = list(zip(matches, matches[1:]))
    ...:     for lst in all_sets:
    ...:         indices = defaultdict(list)
    ...:         for i, j in enumerate(lst):
    ...:             indices[j].append(i)
    ...:         try:
    ...:             if all(any(0 <= v - k - 1 <= gap_range for k, v in product(indices[j], indices[i])) for i, j in zip_m):
    ...:                 yield lst
    ...:         except KeyError:
    ...:             pass

【讨论】：

【解决方案2】：

链接问题中的技术足够好，您只需要沿途添加间隙计数，并且由于您不想要全局计数，因此每当遇到匹配时重置计数器。比如：

import collections

def find_gappy(source, matches, max_gap=-1):
    matches = collections.deque(matches)
    counter = max_gap  # initialize as -1 if you want to begin counting AFTER the first match
    for word in source:
        if word == matches[0]:
            counter = max_gap  # or remove this for global gap counting
            matches.popleft()
            if not matches:
                return True
        else:
            counter -= 1
            if counter == -1:
                return False
    return False

data = [['she', 'is', 'a', 'student'],
        ['she', 'is', 'a', 'lawer'],
        ['she', 'is', 'a', 'great', 'student'],
        ['i', 'am', 'a', 'teacher'],
        ['she', 'is', 'a', 'very', 'very', 'exceptionally', 'good', 'student']]

matches = ['she', 'is', 'student']
x = [i for i in data if find_gappy(i, matches, 2)]
# [['she', 'is', 'a', 'student'], ['she', 'is', 'a', 'great', 'student']]

作为奖励，您可以将其用作原始函数，仅当您将正数作为max_gap 传递时才会应用间隙计数。

【讨论】：