比较列表(A)中的项是否作为列表(B)中的子项存在

Question

我有两个列表，每个列表都是String的集合，希望检查list(A)的一个项是否存在于另一个list(B)项中。因此，在list(A)中有一些标准--应该在list(B)中找到单词和短语。我用这个List(A)填充了(e.g. "innovation", "innovative", "new ways to go")，lemmatized it (['innovation'], ['innovative'], ['new', 'way', 'go']。

在list(B)中有文本('time', new', 'way', 'go']的tokenized和lemmatized语句。

在这个模式中，我试图分析文本中是否和多久出现给定的单词和短语。

为了匹配我所读到的模式，需要将每个list元素本身转换为一个字符串，以检查它是否是list(b)中字符串的子字符串。

    list_a = [['innovation'], ['innovative'], ['new', 'way', 'go'], ['set', 'trend']]
    list_b = [['time', 'innovation'], ['time', 'go', 'new', 'way'],  ['look', 'innovative', 'creative', 'people']]

    for x in range(len(list_a)):
        for j in range(len(list_b)):
            a = " ".join(list_a[x])
            if any(a in s for s in list_b[j]):
                print("word of list a: ", a, " appears in list b: ", list_b[j])    `

实际产出如下：

word of list a:  innovation  appears in list b:  ['time', 'innovation']
word of list a:  innovative  appears in list b:  ['look', 'innovative', 'creative', 'people']

我的目标输出是：

word of list a:  innovation  appears in list b:  ['time', 'innovation']
word of list a:  innovative  appears in list b:  ['look', 'innovative', 'creative', 'people']
word of list a: new way go appears in list b: ['time', 'go', 'new', 'way']

将list(b)的项转换为字符串(就像我尝试使用list(a)那样)无助于我。

谢谢你的帮忙!

Answer 1

第一个错误是:不要从单词列表中创建字符串。使用单词的set和set方法(此处：issubset)

• 将单词列表转换为一组单词列表
• 在第一个列表(a)集合中循环，并检查该集合是否包含在list_b的一个集合中(如果不使用any，否则我们无法知道哪个集合包含当前的集合，一个简单的循环就可以了)

如下所示：

list_a = [['innovation'], ['innovative'], ['new', 'way', 'go'], ['set', 'trend']]
list_b = [['time', 'innovation'], ['time', 'go', 'new', 'way'],  ['look', 'innovative', 'creative', 'people']]

list_a = [set(x) for x in list_a]
list_b = [set(x) for x in list_b]

for subset in list_a:
    for other_subset in list_b:
        if subset.issubset(other_subset):
            print("{} appears in list b: {}".format(subset,other_subset))

指纹：

{'innovation'} appears in list b: {'time', 'innovation'}
{'innovative'} appears in list b: {'look', 'creative', 'innovative', 'people'}
{'new', 'go', 'way'} appears in list b: {'time', 'new', 'go', 'way'}

现在，如果您希望保留顺序，但仍然希望从set用于元素测试的优点中获益，只需为list_b创建元组列表，因为它已经迭代了几次。不需要对list_a执行同样的操作，因为它只迭代一次：

# list_a is now unchanged
list_b = [(set(x),x) for x in list_b]

for sublist in list_a:
    subset = set(sublist)
    for other_subset,other_sublist in list_b:
        if subset.issubset(other_subset):
            print("{} appears in list b: {}".format(sublist,other_sublist))

结果：

['innovation'] appears in list b: ['time', 'innovation']
['innovative'] appears in list b: ['look', 'innovative', 'creative', 'people']
['new', 'way', 'go'] appears in list b: ['time', 'go', 'new', 'way']

算法仍然很昂贵：O(n**3)，但不是O(n**4)，这要归功于O(n)集查找(与列表查找相比)，以测试另一个单词列表中是否包含了一个单词列表。

Answer 2

假设当a中的一个列表中的所有单词都包含在B中的一个列表中时，您只想匹配，那么可以使用。

list_a = [['innovation'], ['innovative'], ['new', 'way', 'go'], ['set', 'trend']]
list_b = [['time', 'innovation'], ['time', 'go', 'new', 'way'], ['look', 'innovative', 'creative', 'people'], ['way', 'go', 'time']]

for a_element in list_a:
    for b_element in list_b:
        for a_element_item in a_element:
            if a_element_item not in b_element:
                break
        else:
            print(a_element, "is in ", b_element)

输出

['innovation'] is in  ['time', 'innovation']
['innovative'] is in  ['look', 'innovative', 'creative', 'people']
['new', 'way', 'go'] is in  ['time', 'go', 'new', 'way']