Python字典存储聚类术语异常：所有变量均重复最后聚类内容

嘿，我一眼就看出问题出在哪了——这是Python里可变对象引用的经典陷阱！

问题根源 #

你在循环外部定义了feature_set = []，之后每次处理聚类时，只是往这个同一个列表里添加/修改元素。但字典d中存储的并不是列表的“副本”，而是这个列表对象的引用。也就是说，所有cluster0到cluster5的键，最终都指向了同一个feature_set列表。当最后一次循环处理完cluster5后，这个列表里的内容被替换成了cluster5的术语，所以所有键对应的结果自然都是最后一个聚类的内容。

修复方案 #

核心解决办法是：每次处理一个新聚类时，创建一个全新的列表，而不是复用同一个列表。把feature_set = []移到处理每个聚类的循环内部，这样每个聚类对应的都是独立的列表对象，不会互相覆盖。

修正后的代码示例：

d = {}
# 假设这里是遍历6个聚类的外层循环（对应cluster0到cluster5）
for i in range(6):
    # 关键改动：每次循环初始化新的空列表
    feature_set = []
    # 这里替换成你对应每个聚类的filtered_terms和cluster_terms数据
    # 比如处理cluster0时，filtered_terms是该聚类的去重术语，以此类推
    filtered_terms = ... 
    cluster_terms = ...

    if len(filtered_terms) != 0:
        for m in filtered_terms:
            print(' %s' % m, end='')
            feature_set.append(m)
        for w in cluster_terms:
            for b in filtered_terms:
                if w != b:
                    print(' %s' % w, end='')
                    feature_set.append(w)
    else:
        for h in cluster_terms:
            print(' %s' % h, end='')
            feature_set.append(h)
    
    # 将当前聚类的独立列表存入字典
    d["cluster{0}".format(i)] = feature_set
    print()

print("Clusters stored in a dictionary of Variables")
print ()
for k in d:
    print(k)
    print(d[k])

额外优化：cluster2去重 #

针对你提到的cluster2重复词汇问题，如果你需要保持术语的原始顺序，可以用下面的方法去重：

# 保持顺序的去重逻辑
seen_terms = set()
unique_filtered_terms = []
for term in cluster_terms:
    if term not in seen_terms:
        seen_terms.add(term)
        unique_filtered_terms.append(term)

如果不需要保持顺序，直接用list(set(cluster_terms))就能快速去重，不过集合会打乱原有顺序哦。

关键知识点回顾 #

• Python中，列表、字典这类可变对象在赋值时传递的是引用，不是值的副本
• 要避免多个键指向同一个可变对象，就要在每次循环中创建新的对象实例

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