Question

我的问题有几个问题需要解决。我需要导入一个带有两个字段的csv文件（一个用作ID的数字字段和一个用作描述的字符串字段）。然后，将字符串字段转换为单个单词的集合（list？tuple？dict？）并搜索彼此集合以计算匹配。

示例：

id_field | desc_field
1        | some description
2        | some other description
3        | some third other description

我需要的是id_field匹配列表

id_field 1 has 2 matches in id_field 2
id_field 1 has 2 matches in id_field 3
id_field 2 has 3 matches in id_field 3

等

导入csv文件应该很容易使用：

import csv
reader = csv.reader(open('SOMEFILE.csv'), delimiter=',', quotechar='"'

我确信我可以使用find或in运算符来查找和计算单词，但是我在编写代码时会遇到麻烦，这会让我搜索csv字符串字段。

Answer 1

这应该这样做：

import csv
reader = csv.reader(open('SOMEFILE.csv'), delimiter=',', quotechar='"')
data = [[line[0], line[1].split()] for line in reader]

for no1, words1 in data:
    for i in range(int(no1), len(data)):
        no2, words2 = data[i][0], data[i][1]
        matches = len(words1 + words2) - len(set(words1 + words2))
        print 'id_field', no1, 'has', matches, 'matches in id_field', no2

如果您对代码有任何问题或疑问，请与我们联系。我假设你只想在你的例子中检查前锋，即在1检查匹配2和3时，在2时只检查3（如果有3行）。

如果您想排除零匹配的案例，您可以在打印前添加以下行并缩进打印：

if matched > 0:

Answer 2

import csv  
import itertools
import re

id_2_desc = {}

with open('SOMEFILE.csv') as csvfile:
    reader = csv.reader(csvfile, delimiter='|')

    for n, (id_field, desc_field) in enumerate(reader):
        if n > 0:
            id_2_desc[id_field.strip()] = desc_field.strip()


id_fields = id_2_desc.keys()


for id_field1, id_field2 in itertools.combinations(id_fields, 2):
    desc_field1 = id_2_desc[id_field1]
    desc_field2 = id_2_desc[id_field2]

    desc_tokens1 = re.split('\s+', desc_field1)
    desc_tokens2 = re.split('\s+', desc_field2)

    matches = set(desc_tokens1) & set(desc_tokens2)

    print 'id_field {} has {} matches in id_field {}'.format(id_field1, len(matches), id_field2)

在Python中从另一个字符串中搜索单个单词的字符串

2 个答案: