Python: vymazání podobné objekty ze seznamu pomocí difflib.SequenceMatcher

Question

Python: vymazání podobné objekty ze seznamu pomocí difflib.SequenceMatcher

hlasů

43

Řekněme, že mám seznam některých řetězců, a tam jsou některé struny tam, že velmi, velmi podobné. A já chci, aby odstranit tyto téměř duplikáty . Za to, že jsem přišel s následující kód:

from difflib import SequenceMatcher

l = ['Apple', 'Appel', 'Aple', 'Mango']
c = [l[0]]

for i in l:
    count = 0
    for j in c:
        if SequenceMatcher(None, i, j).ratio() < 0.7:
            count += 1
    if count == len(c):
        c.append(i)

Který se zdá, že funguje, ale já to opravdu jako vnořené smyčky a také toto countřešení vypadá ošklivě. Ale pravděpodobně je možné napsat to ve více Pythonic způsobem? Pomocí generátorů, může být?

Bych vděčný za náznak, díky :)

python

Položena 14/12/2017 v 16:09
uživatelem A S

V jiných jazycích...

1 odpovědí

Olivier Melançon · Accepted Answer · 2017-12-14 16:46

hlasů

1

Autor této otázky tuto odpověď přijal za nejlepší.

Myslím, že čistší způsob, jak psát to by bylo použít difflibmetoduget_close_matches

from difflib import get_close_matches

l = ['Apple', 'Appel', 'Aple', 'Mango']
c = []

while l:
    word = l.pop()
    c.append(word)
    l = [x for x in l if x not in get_close_matches(word, l, cutoff=0.7)]

Všimněte si, že tento deconstructs ltakže možná budete chtít vytvořit kopii jako první.

Odpovězeno 14/12/2017 v 16:46
zdroj uživatelem Olivier Melançon