Python如何从含标签的字典数据中生成标签对元组列表以构建图边集

实现思路 #

• 先统计每对无序标签组合共同出现的次数：对每个title对应的标签组，生成所有长度为2的无序标签组合，累加每对的出现次数
• 筛选出共同出现次数≥2的标签对，即为最终的边集

完整代码 #

from itertools import combinations
from collections import defaultdict

# 示例输入数据
data = [
  {
    'title': 'title1', 'tags': ['tag1', 'tag2', 'tag3']
  },
  {
    'title': 'title2', 'tags': ['tag1','tag2']
  },
  {
    'title': 'title3', 'tags': ['tag2','tag3']
  }
]

# 统计标签对共现次数
pair_count = defaultdict(int)
for item in data:
    tags = item['tags']
    # 生成当前标签组所有无序2元素组合，先排序保证同组标签对顺序统一
    for pair in combinations(sorted(tags), 2):
        pair_count[pair] += 1

# 筛选共现≥2次的标签对作为边集
edge_list = [pair for pair, cnt in pair_count.items() if cnt >= 2]

print(edge_list)

输出结果 #

[('tag1', 'tag2'), ('tag2', 'tag3')]

补充说明 #

• 代码中使用sorted(tags)是为了避免同组标签顺序不同导致('tag2','tag1')和('tag1','tag2')被判定为不同组合的问题
• 如果你需要的标签对顺序可以自定义，调整排序规则即可

内容的提问来源于stack exchange，提问作者user12217822