从超字符串中去除子字符串

Question

我有一个字典，它的键是一个字符串元组，值是它的频率，例如 {('this','is'):2,('some','word'):3....}我需要消除一些包含这些子键的键，例如：d={('large','blue'):4,('cute','blue'):3,('large','blue','dog'):2,  ('cute','blue','dog'):2,('cute','blue','elephant'):1}我需要消除，('large','blue')因为它只出现在'large blue dog'但是我不能删除“可爱的蓝色”，因为它出现在'cute blue dog'和'cute blue elephant'd={('large','blue'):4,('cute','blue'):3,('large','blue','dog'):2,('cute','blue','dog'):2,('cute','blue','elephant'):1}final_list=[]for k,v in d.items():    final_list.append(' '.join(f for f in k))final_list=sorted(final_list, key=len,reverse=True)completed=set()for f in final_list:    if not completed:        completed.add(f)    else:        if sum(f in s for s in completed)==1:            continueprint(final_list)print(completed)但这只给了我 ['可爱的蓝象'] 我需要[large blue dog] :2[cute blue dog]:2[cute blue elephant]:1[cute blue]:3

Answer 1

更新。如果您也想要计数，我宁愿将大部分代码重写为：

d={('large','blue'):4,('cute','blue'):3,('large','blue','dog'):2,

('cute','blue','dog'):2,('cute','blue','elephant'):1}

completed = {}

for k,v in d.items():

     if len([k1 for k1,v1 in d.items() if k != k1 and set(k).issubset(set(k1))]) != 1:

         completed[k] = v

print(completed)

结果

{('cute', 'blue'): 3, ('large', 'blue', 'dog'): 2, ('cute', 'blue', 'dog'): 2, ('cute', '蓝色', '大象'): 1}

我还没有检查性能。我就交给你了。

--

换个怎么样

for f in final_list:

    if not completed:

        completed.add(f)

    else:

        if sum(f in s for s in completed)==1:

            continue

和

for f in final_list:

    if len([x for x in final_list if f != x and f in x]) != 1:

        completed.add(f)

这是你想要的？

Answer 2

这应该有效：

previous = " "

previousCount = 0

for words in sorted([ " ".join(key) for key in d ]) + [" "]:

    if words.startswith(previous):

        previousCount += 1

    else:

        print(previous,previousCount)

        if previousCount < 2 and previous != " ":

            del d[tuple(previous.split(" "))]

        previous = words

        previousCount = 0

Answer 3

必须有更有效的（非O(n^2)）方法来做到这一点，但这似乎是您想要的：

input = {

    ('large','blue'): 4,

    ('cute','blue'): 3,

    ('large','blue','dog'): 2,

    ('cute','blue','dog'): 2,

    ('cute','blue','elephant'): 1,

}

keys = set(' '.join(k) for k in input)

filtered = {

    tuple(f.split())

    for f in keys

    if sum(f != k and f in k for k in keys) == 1

}

result = {k: v for k, v in input.items() if k not in filtered}

from pprint import pprint

pprint(sorted(result.items()))

结果：

[(('cute', 'blue'), 3),

 (('cute', 'blue', 'dog'), 2),

 (('cute', 'blue', 'elephant'), 1),

 (('large', 'blue', 'dog'), 2)]

根据您的要求，这个想法是将出现一次的键识别为其他键的一部分。