Question

我正在寻找创建一个程序，我想要或多或少地做以下几点：

从多个CSV文件中读入大学名称列表
检查我们是否已存储该名称（即它是否唯一）
如果已存储，请继续，否则将其附加到列表

我想要的是到目前为止我们拥有的所有UNIQUE大学名称的列表（此时，缩写对我来说无关紧要），但是TOTAL名称的列表非常大。由于python集的查找时间非常快，我想首先检查名称是否在集合中，如果不是，则将名称附加到唯一列表和集合中（我还需要一个列表，因为订购事项）。当你检查某个东西是否在某个集合中时，那个“in”命令是否与检查一串字符是否在一个更大的字符串中一样？换句话说，通过字符串比较，“阿拉巴马大学 - 伯明翰大学”中的“阿拉巴马大学”返回True。在集合比较中，如果我测试“阿拉巴马大学”是否在集合中，但是仅仅添加了“阿拉巴马大学 - 伯明翰”，它是否会返回真实状态？如果是这样，有没有办法测试是否已添加EXACT字符串“阿拉巴马大学”而不是包含“阿拉巴马大学”的其他字符串？

Answer 1

要解决您的第一个问题，您可以查看OrderedSet。 recipe引用了Python 2 Documentation。{{3}}。这在Py2.6或更高版本以及3.0或更高版本上运行，无需任何修改。该接口几乎与普通集完全相同，只是初始化应该用列表完成。

>>> s = OrderedSet([1, 2, 3])
>>> s.add(4)

使用此配方需要您自担风险。

接下来，in测试集合内部的准确性。

观察：

>>> s = set(['hello'])
>>> 'he' in s
False
>>> s.add('he')
>>> 'he' in s
True

换句话说，搜索词必须完全存在（python会对字符串进行散列以确定它是否存在，因此部分字符串将不匹配）。

同样适用于OrderedSet。

Answer 2

university_col = ...
universities = set()
for row in csv_reader:
    universities.add(row[university_col])

result = set()
base_name = ''
for university_name in sorted(universities):
    if not base_name or base_name not in university_name:
         base_name = university_name
    result.add(base_name)

在set python中寻找精确度

2 个答案: