Python

Question

我有 2 个列表。实际和预测。我需要比较两个列表并确定模糊匹配的数量。我之所以说模糊匹配是因为它们不会完全相同。我正在使用 difflib 库中的 SequenceMatcher。

def similar(a, b):
    return SequenceMatcher(None, a, b).ratio()

我可以假设匹配百分比超过 80% 的字符串被认为是相同的。示例列表

actual=[ "Appl", "Orange", "Ornge", "Peace"]
predicted=["Red", "Apple", "Green", "Peace", "Orange"]

我需要一种方法来找出预测列表中的Apple、Peace 和Orange 是否已在实际列表中找到。所以只进行了 3 场比赛，而不是 5 场比赛。我如何有效地做到这一点？

Answer 1

>>> actual=["Apple", "Appl", "Orange", "Ornge", "Peace"]
>>> predicted=["Red", "Apple", "Green", "Peace", "Orange"]
>>> set(actual) & set(predicted)
set(['Orange', 'Peace', 'Apple'])

Answer 2

您可以将两个列表都转换为集合并在它们上应用交集。

这会给你三个项目 {'Peace', 'Apple', 'Orange'}。

然后，你可以计算结果集内的len与实际列表len的比值。

actual=["Apple", "Appl", "Orange", "Ornge", "Peace"]
predicted=["Red", "Apple", "Green", "Peace", "Orange"]

res = set(actual).intersection(predicted)

print (res)
print ((len(res) / len(actual)) * 100)

编辑：

为了使用比率，您需要实现嵌套循环。由于 set 是作为散列 table 实现的，所以搜索是 O(1)，我更愿意使用实际作为 set。

如果预测与实际（完全匹配）相符，那么只需将其添加到您的结果集中即可。（最好的情况是所有这些都是这样，最终的复杂度是 O(n)）。

如果预测与实际不符，则循环遍历实际，看看是否存在大于0.8的比率。（最坏的情况是所有的都这样，复杂度（On^2））

actual={"Appl", "Orange", "Ornge", "Peace"}
predicted=["Red", "Apple", "Green", "Peace", "Orange"]

result = {}

for pre in predicted:
    if pre in actual:
        result.add(pre)
    else:
        for act in actual:
            if (similar(pre, act) > 0.8):
                result.add(pre)

Answer 3

如果模糊匹配确实是您要查找的内容，您可以使用以下集合推导式通过 similar 方法获得所需的输出。

threshold = 0.8
result = {x for x in predicted for y in actual if similar(x, y) > threshold}

Answer 4

在这种情况下，您只需检查预测列表中的第 i 个元素是否存在于实际列表中。如果存在，则添加到新列表。

In [2]: actual=["Apple", "Appl", "Orange", "Ornge", "Peace"]
...: predicted=["Red", "Apple", "Green", "Peace", "Orange"]


In [3]: [i for i in predicted if i in actual]
Out[3]: ['Apple', 'Peace', 'Orange']

Answer 5

简单但无效的方法是：

counter = 0
for item in b:
    if SequenceMatcher(None, a, item).ratio() > 0:
        counter += 1

这就是您想要的，模糊匹配元素的数量，而不仅仅是相同元素（大多数其他答案都提供）。

Answer 6

{x[1] for x in itertools.product(actual, predicted) if similar(*x) > 0.80}

Answer 7

先取两组的交集：

actual, predicted = set(actual), set(predicted)

exact = actual.intersection(predicted)

如果这包括您所有的实际单词，那么您就完成了。然而，

if len(exact) < len(actual):
    fuzzy = [word for word in actual-predicted for match in predicted if similar(word, match)>0.8]

最后你的结果集是 exact.union(set(fuzzy))

Answer 8

您也可以尝试以下方法来达到您的要求：

import itertools

fuzlist = [ "Appl", "Orange", "Ornge", "Peace"]
actlist = ["Red", "Apple", "Green", "Peace", "Orange"]
foundlist = []
for fuzname in fuzlist:
    for name in actlist:
        for actname in itertools.permutations(name):
            if fuzname.lower() in ''.join(actname).lower():
                foundlist.append(name)
                break

print set(foundlist)

Python - 匹配来自 2 个列表的字符串

Python - Matching strings from 2 lists

string

list

sequence