Skip to main content
 首页 » 编程设计

python之使用模式阈值识别单词列表中的模式

2024年11月01日15jillzhang

在 Python 中开发一个模式识别函数,该函数假设返回一个带有计数器的模式数组

让我们想象一个字符串列表:

m = ['ABA','ABB', 'ABC','BCA','BCB','BCC','ABBC', 'ABBA', 'ABBC'] 

在高层,我想得到的返回是:

Pattern | Count 
---------------- 
   AB   |   6 
  ABB   |   4 
   BC   |   3 
---------------- 

问题:据我所知,模式以 2 个字符开头并且是每个字符串值的前导字符(即 XXZZZ、XXXZZZ(其中 XX 是我正在寻找的模式))。我希望能够将模式的最小长度参数化为函数的输入以优化运行时间。

附言。列表中的每个项目已经是一个单词。

我的问题是我需要从阈值开始对每个字母进行迭代,而我被困在那里。 我更喜欢使用 startswith('AB')

请您参考如下方法:

首先,让我们定义您的字符串:

>>> m = ['ABA','ABB', 'ABC','BCA','BCB','BCC','ABBC', 'ABBA', 'ABBC'] 

现在,让我们计算所有长度为 2 或 3 的前导字符串:

>>> from collections import Counter 
>>> c = Counter([s[:2] for s in m] + [s[:3] for s in m if len(s)>=3]) 

为了与您的表格进行比较,以下是三个最常见的前导字符串:

>>> c.most_common(3) 
Out[15]: [('AB', 6), ('ABB', 4), ('BC', 3)] 

更新

要包含最大长度 len(max(m, key=len))-1 的所有键:

>>> n = len(max(m, key=len)) 
>>> c = Counter(s[:i] for s in m for i in range(2, min(n, 1+len(s)))) 

附加测试

为了证明我们可以正确处理较长的字符串,让我们考虑不同的输入:

>>> m = ['ab', 'abc', 'abcdef'] 
>>> n = len(max(m, key=len)) 
>>> c = Counter(s[:i] for s in m for i in range(2, min(n, 1+len(s)))) 
>>> c.most_common() 
[('ab', 3), ('abc', 2), ('abcd', 1), ('abcde', 1)]