Question

我有一个嵌套列表，每个第二个元素都有不同的长度：

lst = [[a,bcbcbcbcbc],[e,bbccbbccb],[i,ccbbccbb],[o,cbbccbb]]

我的输出是具有这种外观的数据帧的csv：

comparison     similarity_score
   a:e          *some score      
   a:i          *some score
   a:o          *some score
   e:i          *some score
   e:o          *some score
   i:o          *some score

我的代码：

similarity = []
for i in lst:
    name = i[0]
    string = i[1]
    score = 0.0
    length =(len(string))
    for i in range(length):
        if string[i]==string[i+1]:
            score += 1.0
    new_score = (100.0*score)/length
    name_seq = name[i] + ':' + name[i+1]
    similarity.append(name_seq,new_score)

similarity.pdDataFrame(similarity, columns = ['comparison' , 'similarity_score'])
similarity.to_csv('similarity_score.csv')

但是我收到了一个错误：

    if codes[i]==codes[i+1]:
          IndexError: string index out of range

任何建议？谢谢！

Answer 1

根据Python的文档range通过示例执行以下操作：

＆GT;＆GT;＆GT;范围（10）
[0,1,2,3,4,5,6,7,8,9]

在您的代码中（假设变量名称未更改）：

...
length =(len(string))            # For an input of 'bcb' length will be 3
for i in range(length):          # For an input of 'bcb' range will be [0, 1, 2]
    if string[i]==string[i+1]:   # When i == 2 i + 1 == 3 which gives you the
                                 # IndexError: string index out of range
...

换句话说，给定输入bcb，if语句将查看以下索引：

（0,1）
（1,2）
（2,3）<--在这种情况下，3是你的问题。

要解决您的问题，请从[0, len(string) - 1]

进行迭代

Answer 2

我认为你最大的问题是，在顶层你只是一次迭代一对name,string对，而不是像你想要在你的身上看到的一对name,string对输出（如配对名称a:e所示）。

您之后尝试将name和string值编入索引，但这样做并不能达到您想要的效果（将两个字符串相互比较以计算得分），因为您只能访问同一字符串中的相邻字符。您获得的例外情况是因为i+1可能会脱离字符串的末尾。由于您对内循环中的索引使用i以及从外循环（name, string对）中获取的项目，因此存在进一步的混淆。

要获得成对配对，我建议使用itertools.combinations：

import itertools

for [name1, string1], [name2, string2] in itertools.combinations(lst, 2):

现在你可以在循环的其余部分使用两个名字和两个字符串变量。

我不完全确定我理解你想要比较字符串以获得你的分数，因为它们的长度不一样。如果只想比较字符串的初始部分（并忽略较长部分的尾部位），可以使用zip在两个字符串之间获取相应字符对。然后，您可以在生成器表达式中对它们进行比较，并将bool结果相加（True是整数1的特殊版本，False是{{1}的版本}}）。然后你可以除以字符串长度中较小的一个（如果你想惩罚长度差异，可以更大）：

还有一个更明显的问题，即你用两个参数调用common_letters = sum(c1 == c2 for c1, c2 in zip(string1, string2)) new_score = common_letters * 100 / min(len(string1), len(string2))。如果你真的想要附加一个2元组，你需要一组额外的括号：

append

计算嵌套列表长度不等的多个元素的相似度

2 个答案: