Question

我正在研究一个NLP项目，并且我有一个列表，其中某些字符包含字符跨度。该列表可能如下所示：

 [(1,4),(1,7),(4,9),(8,15)]

所以我的任务是返回所有非重叠对。如果两个或更多数字对重叠，则应返回跨度最长的数字对。在我的示例中，我想返回[(1,7),(8,15)]。我该怎么办？

编辑

我不想像Merge overlap here中那样合并我的间隔。但是我不会返回所有对/间隔/元组，除非某些元组中的值重叠。例如（1,4）和（1,7）重叠，（4,9）与（1,4）和（1,7）重叠。如果有一些重叠，我想返回跨度最大的元组，例如（1,7）=跨度7，（1,4）=跨度4，（4,9）=跨度5。这意味着它也应返回（1,7）和（8,15），因为（8， 15）不重叠（1,7）

Answer 1

对此考虑不多，但是以下方法可以解决问题：

spans = [(1,4),(1,7),(4,9),(8,15)]

del_in = []

for x in spans:
  if spans.index(x) in del_in: continue
  for y in spans:
    if spans.index(y) in del_in: continue
    if x == y: continue
    if len(set(list(range(x[0],x[1]+1))) & set(list(range(y[0],y[1]+1)))) > 0:
      if len(list(range(x[0],x[1]+1))) > len(list(range(y[0],y[1]+1))):
        del_in.append(spans.index(y))
        spans.pop(spans.index(y))
      elif len(list(range(y[0],y[1]+1))) > len(list(range(x[0],x[1]+1))):
        del_in.append(spans.index(x))
        spans.pop(spans.index(x))

print(spans)

将输出：

[(1, 7), (8, 15)]

简短说明：我们开始遍历跨度列表（迭代x）。对于每个元组，我们再次遍历列表（迭代y），而忽略x（if x == y: continue）中的元组。然后，我们用(1,4)将每个元组转换成一个列表（例如，从[1, 2, 3, 4]到list(range())），并比较列表（尽可能与set()），以查看它们中是否包含任何元素共同。如果返回的对象的长度大于0，我们将比较两个列表的长度，以查看保留的是哪一个（跨度较大的列表）。随后，我们从列表中删除跨度较小的项目（使用.pop()）。由于我们的迭代x和y仍然遍历我们的初始列表，因此我们需要实现一种机制，以防止脚本比较已删除条目的项目。因此，我们使用一个附加列表，其中包含已经删除的条目的模具索引（并将它们留在两个for循环中）。

也许有更好的方法来执行此操作，但这绝对适用于您的示例。

在python中查找元组中的重叠数字

1 个答案: