Question

我有两个5个对象的数组

a = ['a'，'b'，'c'，'d'，'e'，'f'，'e'，'f']

b = ['a'，'b'，'d'，'f'，'e'，'f']

我想确定多个对象的重复模式及其出现情况，如

['a'，'b']：2

['e'，'f']：3

['f'，'e'，'f']：2

第一个序列['a'，'b']在a中出现一次，在b中出现一次，因此总计数为2.第二个序列['e'，'f']在a中出现两次，一次出现在b中，所以总数为3.第3个序列['f'，'e'，'f']在a中出现一次，在b中出现一次，所以总数为2.

在Python中有一个很好的方法吗？

对象的范围也是有限的。想知道是否有一个使用哈希表的有效解决方案？

Answer 1

如果方法仅针对两个列表，则以下方法应该有效。我不确定这是否是最有效的解决方案。

在this blog post中给出了查找n-gram的一个很好的描述。

此方法提供最小长度并确定列表的重复序列可能具有的最大长度（最多为列表长度的一半）。

然后，我们通过组合各个列表的序列找到每个列表的所有序列。然后我们有一个每个序列及其计数的计数器。

最后，我们返回一个不止一次出现的所有序列的字典。

def find_repeating(list_a, list_b):
    min_len = 2

    def find_ngrams(input_list, n):
        return zip(*[input_list[i:] for i in range(n)])

    seq_list_a = []
    for seq_len in range(min_len, len(list_a) + 1):
        seq_list_a += [val for val in find_ngrams(list_a, seq_len)]

    seq_list_b = []
    for seq_len in range(min_len, len(list_b) + 1):
        seq_list_b += [val for val in find_ngrams(list_b, seq_len)]

    all_sequences = seq_list_a + seq_list_b

    counter = {}
    for seq in all_sequences:
        counter[seq] = counter.get(seq, 0) + 1

    filtered_counter = {k: v for k, v in counter.items() if v > 1}

    return filtered_counter

如果您对任何事情不确定，请告诉我。

>>> list_a = ['a', 'b', 'c', 'd', 'e', 'f', 'e', 'f'] 
>>> list_b = ['a', 'b', 'd', 'f', 'e', 'f']
>>> print find_repeating(list_a, list_b)
{('f', 'e'): 2, ('e', 'f'): 3, ('f', 'e', 'f'): 2, ('a', 'b'): 2}

Answer 2

当您提到您正在寻找高效解决方案时，我首先想到的是解决longest common subsequence problem的方法。但在你的情况下，我们确实需要枚举所有常见的子序列，以便我们可以对它们进行计数，因此动态编程解决方案不会这样做。这是我的解决方案。它肯定比SSSINISTER的解决方案更短（主要是因为我使用collections.Counter类）。

#!/usr/bin/env python3

def find_repeating(sequence_a, sequence_b, min_len=2):
    from collections import Counter

    # Find all subsequences
    subseq_a = [tuple(sequence_a[start:stop]) for start in range(len(sequence_a)-min_len+1) 
        for stop in range(start+min_len,len(sequence_a)+1)]
    subseq_b = [tuple(sequence_b[start:stop]) for start in range(len(sequence_b)-min_len+1) 
        for stop in range(start+min_len,len(sequence_b)+1)]

    # Find common subsequences
    common = set(tup for tup in subseq_a if tup in subseq_b)

    # Count common subsequences
    return Counter(tup for tup in (subseq_a + subseq_b) if tup in common)

导致......

>>> list_a = ['a', 'b', 'c', 'd', 'e', 'f', 'e', 'f'] 
>>> list_b = ['a', 'b', 'd', 'f', 'e', 'f']
>>> print(find_repeating(list_a, list_b))
Counter({('e', 'f'): 3, ('f', 'e'): 2, ('a', 'b'): 2, ('f', 'e', 'f'): 2})

使用collections.Counter的优势在于，您不仅无需生成实际代码进行迭代和计数，还可以访问所有dict方法以及一些专门方法使用这些计数。

使用Python识别对象数组中重复模式的最有效方法是什么

2 个答案: