Skip to main content
 首页 » 编程设计

字典之间的python传递性

2024年10月25日8thcjp

我在 python 中有一个类似下面的列表(真正的列表很大,我不能只看它):

original1=[['email', 'tel', 'fecha', 'descripcion', 'categ'], 
          ['a@gmail.com', '1', '2014-08-06 00:00:06', 'MySpace a', 'animales'], 
          ['b@gmail.com', '1', '2014-08-01 00:00:06', 'My Space a', 'ropa'], 
          ['a@gmail.com', '2', '2014-08-06 00:00:06', 'My Space b', 'electronica'], 
          ['b@gmail.com', '3', '2014-08-10 00:00:06', 'Myace c', 'animales'], 
          ['c@gmail.com', '4', '2014-08-10 00:00:06', 'Myace c', 'animales']] 

我将其拆分为数据和名称以处理数据:

datos=original1[-(len(original1)-1):len(original1)] 

我需要做一个包含所有重复项的字典,考虑到电子邮件和电话,但我需要应用传递性:因为如果我们考虑电子邮件,第 0 行 = 第 2 行,但如果我们考虑电话,则还有第 1 行,和行1= 第 3 行,如果我们再次考虑电子邮件,我需要得到在这种情况下所有候选者都是 0、1、2 和 3,而 4 是单独的。

我创建了以下代码:

from collections import defaultdict 
email_to_indices = defaultdict(list)  
phone_to_indices = defaultdict(list) 
 
for idx, row in enumerate(datos):  
    email = row[0].lower()  
    phone = row[1] 
    email_to_indices[email].append(idx)  
    phone_to_indices[phone].append(idx) 

所以现在我需要应用传递性规则,将 0 聚集到 3 并单独聚集 4。

如果你打印

print 'email', email_to_indices 
print 'phone', phone_to_indices 

你得到:

email defaultdict(, {'a@gmail.com': [0, 2],'b@gmail.com': [1, 3], 'c@gmail.com': [4]})

phone defaultdict(, {'1': [0, 1], '3': [3], '2': [2], '4': [4]})

不知道如何获得那些考虑传递属性的人的联合。 我需要得到类似的东西:

first_group: [0, 1, 2 , 3]
second_group: [4]

谢谢!

请您参考如下方法:

这里有一个图表,或者 Bipartite graph更准确地说。节点有两种类型:电子邮件和电话。如果存在包含该电子邮件和电话的记录,则两个节点已连接。或者我们甚至可以说记录本身就是连接两个节点的边。

任务是找到Connected components这张图。通过点击链接,您可以找到可以在线性时间内完成的算法。

当然也可以发明一些快速而肮脏的解决方案,如果您的数据集足够小,甚至可能被认为是合适的。

您可以在这里找到一些 Python 实现:Python connected components

更新:这是一个如何构建图表的示例:

graph = {}; 
EMAIL = "email"; 
PHONE = "phone"; 
 
for rec in datos: 
    graph.setdefault((EMAIL, rec[0]), set()).add((PHONE, rec[1])); 
    graph.setdefault((PHONE, rec[1]), set()).add((EMAIL, rec[0])); 
 
print "\n".join("%s: %s" % (str(node), str(linkedNodes)) for (node, linkedNodes) in graph.iteritems()); 

因此每个节点都有一个类型(EMAIL 或 PHONE,它们实际上可以只是整数,例如 0 和 1,我将它们设为字符串只是为了方便打印)和一个值。 Graph 是一个以节点为键、以连接的节点集为值的字典。