Question

我正在将一些文本数据从一个数据库迁移到一个新数据库，我必须验证这些记录是否有效。

我有以下变量：first_name和complete_name。

由于我有文本数据，我正在使用一些相似性函数。条件是：

def similar(first_name_1,first_name_2,complete_name_1,complete_name_2):
    temp_treshold  = 0

    temp_treshold = similarity_func(first_name_1,first_name_2)
    if  temp_treshold > threshold:
        return temp_treshold

    temp_treshold = similarity_func(first_name_1,complete_name_2)
    if  temp_treshold > threshold:
        return temp_treshold

    temp_treshold = similarity_func(complete_name_1,complete_name_2)
    if  temp_treshold > threshold:
        return temp_treshold

    temp_treshold = similarity_func(complete_name_1,complete_name_1)
    if  temp_treshold > threshold:
        return temp_treshold

如何以更清洁的方式进行比较？

Answer 1

将您的匹配项放入要发送到例程的参数列表中。使用any功能检查所有功能，直到＆＃34; good＆＃34;找到一个。

pairs = [
    (first_name_1,first_name_2),
    (first_name_1,complete_name_2),
    (complete_name_1,complete_name_2),
    (complete_name_1,complete_name_1)
]

return any(similarity_func(name1, name2) > threshold
               for name1, name2 in pairs)

返回一个布尔值。如果你真的想要整数，那么在返回之前将结果转换为int。

更改后更新

好;相反，您想要返回超过阈值的第一个相似度值。更新的代码 - 而不是单语句布尔值，使用：

for name1, name2 in pairs:
    sim = similarity_func(name1, name2)
    if sim > threshold:
       return sim

Answer 2

只进行了四次比较，看似随意的比较，你所写的方式（至少对于原始版本 - 见下面的编辑版本）可能是最清晰，最恐怖的解决方案。当它没有违反DRY（不要重复自己）时，明确是好的。

但是，如果你有一个值列表，并希望将每个值与其他值的列表进行比较，并按照一些有意义的顺序进行比较，那么它绝对值得抽象。例如：

lefts = [first_name_1, last_name_1, complete_name_1]
rights = [first_name_2, last_name_2, complete_name_2]

如果您想以明显的顺序将每个lefts成员与每个rights成员进行比较，请复制并粘贴9次，并希望您没有错误或出现任何错误会是一个坏主意。所以你想要做这样的事情：

for left in lefts:
    for right in rights:
        if similarity_func(left, right) > threshold:
            return 1
return 0

或等同地：

for left, right in itertools.product(lefts, rights):
    if similarity_func(left, right) > threshold:
         return 1
return 0

或者：

if any(similarity_func(left, right) > threshold
       for left, right in itertools.product(lefts, rights)):
    return 1
return 0

由于您一直在改变您的问题...其中一些具有很好的优势，您可以轻松地更改它们以返回不同的内容。例如：

for left, right in itertools.product(lefts, rights):
    similarity = similarity_func(left, right)
    if similarity > threshold:
         return similarity
return 0

你的编辑也意味着你现在重复了很多，因此，即使你有任意顺序的小型任意比较，我仍然会抽象它。我们可以使用zip超过两个有序序列（根据需要使用重复）而不是product，并且不需要更改其他内容：

lefts = (first_name_1, first_name_1, complete_name_1, complete_name_1)
rights = (first_name_2, complete_name_2, complete_name_2, complete_name_1)
for left, right in zip(lefts, rights):
    similarity = similarity_func(left, right)
    if similarity > threshold:
         return similarity
return 0

如何以pythonic方式比较变量组合

2 个答案: