Python如何对比两个trigram元组列表返回相同的三元词组组合

实现思路 #

• 先剥离两个列表中每个元素的频次字段，只保留三元词组元组
• 利用集合的交集特性快速匹配相同元素，天然满足顺序敏感的匹配要求
• 按需求格式化输出结果即可

完整代码 #

# 示例输入数据
list1 = [(('I', 'want', 'this'), 456), (('What', 'is', 'this'), 25)]
list2 = [(('this', 'is', 'what'), 12), (('I', 'want', 'this'), 9)]

# 提取所有三元词组转集合，方便快速求交集
trigram_set1 = {item[0] for item in list1}
trigram_set2 = {item[0] for item in list2}

# 得到共同的trigram组合
common_trigrams = trigram_set1 & trigram_set2

# 按示例要求格式化输出
for gram in common_trigrams:
    print(f"'{gram[0]}', '{gram[1]}', '{gram[2]}'")

输出结果 #

运行上述代码会直接输出你需要的结果：

'I', 'want', 'this'

说明 #

• 因为元组是顺序敏感的可哈希类型，所以词组顺序不同的三元组不会被判定为相同，完全匹配需求规则
• 如果需要把共同结果存为列表，直接执行list3 = list(common_trigrams)即可
• 该方案时间复杂度为O(n+m)（n、m分别为两个输入列表的长度），大数据量下运行效率也很高

内容的提问来源于stack exchange，提问作者NeedPythonHelp