Question

我试图提取顺序＆＃39; NN＆＃39;来自列表的元素（包括＆＃39; NNP＆＃39;）并附加到给定的新列表中＆＃39; IN＆＃39;或者＆＃39; TO＆＃39;在NN＆＃39;之前遇到过。我该怎么办？

我尝试了以下代码。但无法捕获其他类似的实例。

[['Additional',
  'condition',
  'of',
  'DeNOx',
  'activation',
  'shall',
  'be',
  'introduced',
  'in',
  'order',
  'to',
  'provide',
  'flexibility',
  'and',
  'robustness',
  'to',
  'NSC',
  'regeneration',
  'management',
  '.'],
 ['JJ',
  'NN',
  'IN',
  'NNP',
  'NN',
  'MD',
  'VB',
  'VBN',
  'IN',
  'NN',
  'TO',
  'VB',
  'NN',
  'CC',
  'NN',
  'TO',
  'NNP',
  'NN',
  'NN',
  '.']].

但我想改进代码以提供以下输出：

[['DeNOx', 'activation'], ['order'], ['NSC', 'regeneration', 'management']]

每个输出块都有＆＃39; IN＆＃39;或者＆＃39; TO＆＃39;发生在他们面前。

实际上，上面的列表（新）是此列表的基本词性：

{{1}}

如何将结果映射回此列表，以便我得到

{{1}}

Answer 1

您可以使用两个方便的itertools：groupby和takewhile：

from itertools import groupby, takewhile

nn = lambda x: x.startswith('NN')
to_in = lambda x: x in ('IN', 'TO')

list(filter(None, [list(takewhile(nn, g)) for k, g in groupby(new, key=to_in)][1:]))
# [['NNP', 'NN'], ['NN'], ['NNP', 'NN', 'NN']]

这会根据TO或IN项以块的形式整理初始列表。从第一个除了第一个（除了任何初始NNs）之外的每个块，这都是以NN开头的元素。最后，它filters出了非真实（空）列表。

Answer 2

我在输入时发布了另一个很好的答案 - 这是一个没有导入的简单实现。

full_list = []

for x in range(0, len(new)):
    if 'NN' in new[x] and ('IN' in new[x-1] or 'TO' in new[x-1]):
        temp_list = [new[x]]
        temp_index = x+1
        while 'NN' in new[temp_index]:
            temp_list.append(new[temp_index])
            temp_index += 1
        full_list.append(temp_list)

Answer 3

你不是太远了。使这更容易的一种方法是获取'IN'和'TO'的所有索引：

starts = {'IN', 'TO'}
in_twos = [i for i, e in enumerate(new) if e in starts]

给出了：

[2, 8, 10, 15]

然后你只需要迭代这些索引，特别是new[i+1:]，并获取'NN'或'NNP'的元素。当您到达不属于其中一个元素的元素时，break将退出循环。

以下是一个例子：

result = []
take = {'NN', 'NNP'}

for i in in_twos:
    temp = []
    for x in new[i+1:]:
        if x not in take:
            break

        temp.append(x)

    # If this is empty, don't add it
    if temp:
        result.append(temp)

print(result)

最终输出：

[['NNP', 'NN'], ['NN'], ['NNP', 'NN', 'NN']]

正如@schwobaseggl建议的那样，另一种更短的方法是使用itertools.takewhile来简化'NN'元素的提取。此函数基本上保持提取元素，直到第一个参数谓词返回false。

以下是它的样子：

from itertools import takewhile

# new, take and in_twos same as before

result = [l for l in [list(takewhile(lambda x: x in take, new[i+1:])) for i in in_twos] if l]

print(result)
# [['NNP', 'NN'], ['NN'], ['NNP', 'NN', 'NN']]

<强>更新

如果要将单词和语音一起映射，可以执行以下操作：

new = [['JJ', 'NN', 'IN','NNP','NN','MD','VB','VBN','IN','NN','TO','VB','NN','CC','NN','TO','NNP','NN','NN','.'],
   ['Additional','condition','of','DeNOx','activation','shall','be','introduced','in', 'order','to','provide','flexibility','and','robustness', 'to','NSC','regeneration','management','.']]

starts = {'IN', 'TO'}
in_twos = [i for i, e in enumerate(new[0]) if e in starts]

speech = []
words = []
take = {'NN', 'NNP'}

for i in in_twos:
    temp = []
    for x, y in zip(new[0][i+1:], new[1][i+1:]):
        if x not in take:
            break

        temp.append((x, y))

    # If this is empty, don't add it
    if temp:
        speech.append([x for x, _ in temp])
        words.append([y for _, y in temp])

print(speech)
print(words)

哪个输出：

[['NNP', 'NN'], ['NN'], ['NNP', 'NN', 'NN']]
[['DeNOx', 'activation'], ['order'], ['NSC', 'regeneration', 'management']]

在特定元素的实例之后从列表中提取相同的元素块

3 个答案: