在列表中计数重复对

Question

我有一个有数据挖掘元素的任务。我需要找出哪些作者在几个出版物的网页上协作最多。

我已经抓取了网页，并将作者的文本编成了一个列表。

我当前的输出如下：

for author in list:
   print(author)

##output :
['Author 1', 'Author 2', 'Author 3']
['Author 2', 'Author 4', 'Author 1']
['Author 1', 'Author 5', 'Author 6', 'Author 7', 'Author 4']

等等~100多行。

我的想法是，在列表的每个部分，生成另一个列表，其中包含该列表中的每个唯一对。例如，第三行演示将给出“作者1+作者5”、“作者1+作者6”、“作者1+作者7”、“作者1+作者4”、“作者5+作者6”、“作者5+作者7”、“作者5+作者4”、“作者6+作者7”、“作者6+作者4”、“作者7+作者4”。然后，我将这些对列表附加到一个大列表中，并将其放在一个计数器上，以查看哪些对出现得最多。

问题是，我只是不知道如何真正实现配对匹配器，所以如果有人有任何指针，那就太棒了。我相信答案不会那么复杂，但我一直找不到答案。关于如何衡量合作的其他想法也会很好。

Answer 1

似乎您希望为给定的列表生成大小为2的所有子集。itertools将这样做：

import itertools
for author in lists:
    a = list(itertools.combinations(author, 2))
    print(a)

Answer 2

您可以使用字典，其中对是键，数字发生的频率是值。您需要确保始终为(Author1,Author2)和(Author2, Author1)生成相同的键，但是可以选择字母顺序来处理。

然后，当您遇到它时，只需增加为该对存储的数量。

Answer 3

您只需使用itertools从列表中生成所有对，就可以使用它自己计算列表的笛卡尔积：

import itertools
a = ['Author 1', 'Author 5', 'Author 6', 'Author 7', 'Author 4']
list(itertools.product(a, a))