Question

我试图遍历两个列表的串联列表，这些列表本质上是一袋单词-示例输出yields [['brexit'，11），（'say'，11），（'uk'，7 ），（'eu'，6），（'deal'，5），（'may'，5），...，（'brexit'，35），（'say'，28），，（'may '，5），（'uk'，1），...]

从.txt文件中收集了所有文本输入后，我已经删除了停用词，并使用词干删除了时态中的重复项。

我要采取的下一步是遍历列表，查找给定单词的出现次数差异-我希望将'brexit'，'say'和'uk'标记为重要单词，要么是两个出现次数，要么就是差异。我的代码开头（部分为python，部分为伪代码）如下。

def findSimilarities (word, count):
    for (word, count) in biasDict:
        if word == word and count != count:
            print (word, count - count)
        elif word ==word and count == count:
            del (word, count)
        (word, count)++

关于如何处理此问题以及如何编辑代码的任何建议？如果更好，我可以让这些单词来自两个单独的列表（这是它们的创建方式；创建它们后将它们串联在一起）。

非常感谢。

Answer 1

这是一个选择。效率不高，但是输出是所需的。也就是说，如果您要删除具有相同计数的单词（如代码中所示）。如果要保留条目，只需跳过biasDict.remove（）部分。如果您只是对重复出现两次且具有不同计数的单词感兴趣，则可以将元组附加到新列表中，而不必打印差异。然后返回新列表。

import numpy as np

def findSimilarities (biasDict):
    similarities = {}
    #remove_later = []
    for i in range(0, len(biasDict)):
        word, count = biasDict[i][0], biasDict[i][1]
        for c in range(0, len(biasDict)):
            word_compare, count_compare = biasDict[c][0], biasDict[c][1]
            if c==i:
                pass #Same entry
            elif word == word_compare and count != count_compare:
                delta = count - count_compare
                if word not in similarities and delta != 0:
                    similarities[word] = np.abs(delta)
            #elif word == word_compare and count == count_compare and (word, count) not in remove_later:
            #    remove_later.append((word, count))
    #for entry in remove_later:
    #    biasDict.remove(entry)
    return similarities
biasDict =  [('brexit', 11), ('say', 11), ('uk', 7), ('eu', 6), ('deal', 5), ('may', 5), ('brexit', 35), ('say', 28), ('may', 5), ('uk', 1)]
print(findSimilarities(biasDict))

输出：

{'brexit': 24, 'say': 17, 'uk': 6}

Answer 2

合并事件的想法对我来说似乎不错。这是我的实现。任何评论或优化都表示赞赏。

def merge_list(words_count_list):
updated_list = list()
words_list = list()
for i in range(len(words_count_list)):
    word = words_count_list[i][0]
    count = words_count_list[i][1]
    if word not in words_list:
        words_list.append(word)
        for j in range(i+1,len(words_count_list),1):
            if word == words_count_list[j][0]:
                count += words_count_list[j][1]
        updated_list.append((word,count))
return updated_list

print(merge_list([('brexit', 11), ('say', 11), ('uk', 7), ('eu', 6), ('deal', 5), ('may', 5), 
                                                ('brexit', 35), ('say', 28),('may', 5), ('uk', 1)]))

输出：

[('brexit', 46), ('say', 39), ('uk', 8), ('eu', 6), ('deal', 5), ('may', 10)]

现在，您可以指定单词数的阈值，按数量排序，然后删除最重要的单词。

Answer 3

假设您有两个单词列表，则可以这样做

示例输出

i in eachindex(y)

如何比较Python列表中的对？

3 个答案: