Question

我在python中有一个程序，它使用两个文件作为输入 - 并计算它们之间的相似性。我想使用目录中所有可能的文件组合作为输入。如何使用python扩展我已经拥有的脚本来完成这项工作？

我知道有glob这样的工具可以遍历整个文件。但是，我还能做些什么来创建所有不同的文件组合？

另外，作为@hcwhsa和@Ashish Nitin Patil，itertools如何与glob组合？

感谢您的任何见解。

更多细节：

我的代码需要2个相同的输入（我有一个大约50个这些文件的目录）。每个输入都是3-tab分隔列（value1，value2，weight）。基本上使用这些信息，我计算了jaccard系数here：

def compute_jaccard_index(set_1, set_2):
    return len(set_1.intersection(set_2)) / float(len(set_1.union(set_2)))

我想为目录中所有可能的文件组合计算此系数。截至目前，我在本地调用每个文件：

with open('input_file1', 'r') as infile_B:
with open('input_file2', 'r') as infile_B:

我的目标是在目录中的所有可能的文件组合上迭代该函数。

Answer 1

此代码段会比较path中的所有文件。

import os
from itertools import combinations

path = r'path/to/dir'
entries = os.listdir(path)
filenames = [os.path.join(path, entry) for entry in entries if os.path.isfile(os.path.join(path, entry))]

for (file1, file2) in combinations(filenames, 2):
    with open(file1) as f1, open(file2) as f2:
        # Compare the files

在Python 3中，它可能会更优雅。

import os
from itertools import combinations

path = r'path/to/dir'
root, _, rel_filenames = next(os.walk(path))
full_filenames = [os.path.join(root, f) for f in rel_filenames]

for (file1, file2) in combinations(full_filenames, 2):
    with open(file1) as f1, open(file2) as f2:
        # Compare the files

Answer 2

import itertools
import os
for file_1, file_2 in itertools.combinations(os.listdir(os.getcwd()), 2):
    print(file_1, file_2)
    # compare the files

将os.getcwd()替换为您的目录路径。

使用目录中所有可能的文件组合作为python的输入

2 个答案: