计算字符串中不同的 5 个字符子字符串的数量答案

【问题标题】：Counting the number of different 5 characters substrings inside a string计算字符串中不同的 5 个字符子字符串的数量
【发布时间】：2014-08-14 00:52:23
【问题描述】：

给定一个字符串，我想计算其中有多少个 len = 5 的子字符串。

例如：输入：“ABCDEFG” 输出：3

而且我不确定在 python 中执行此操作的最简单快捷的方法应该是什么。有什么想法吗？

更新：

我只想计算不同的子字符串。

输入：“AAAAAA” 子字符串：2 次“AAAAA” 输出：1

【问题讨论】：

您识别的三个子字符串是什么？
这看起来像是 N-GRAM 的工作 :) 好吧，我想我假设您想要子字符串组合，如果您只想计算它们，那么简单的数学就可以了
在我的示例中，3 个子字符串是“ABCDE”、“BCDEF”和“CDEFG”。这不是字谜。
该更新使这个问题变得更加有趣:) 我想知道最终什么是最有效的方法。
嗯，我很喜欢和你们一起打高尔夫球... :-p

标签： python algorithm

【解决方案1】：

>>> n = 5
>>> for s in 'ABCDEF', 'AAAAAA':
...     len({s[i:i+n] for i in range(len(s)-n+1)})
... 
2
1

【讨论】：

您的解决方案在 14846650 len 字符串中只用了 2.37 秒。最好的。谢谢o/
现在，这就是 Python 面试中最适合的答案。让我看看我能不能打开它。外循环只是为了测试这两个例子。内部语句使用 {} 从内部列表推导的输出中构造一个集合。该列表是通过遍历字符串并从 0 开始拉出 n 个元素直到到达 len() - n 来构建的。通过构建集合，您总是会得到独特的元素。聪明的方法:)
@JasonSperske：它是一个生成器表达式，而不是一个列表推导式，也就是说，它应该等同于：S = set()for i in range(len(s)-n+1): S.add(s[i:i+n])——这里没有理由创建一个中间列表。跨度>

【解决方案2】：

要获取子字符串，您可以像这样使用NLTK：

>>> from nltk.util import ngrams
>>> for gram in ngrams("ABCDEFG", 5):
...     print gram
... 
('A', 'B', 'C', 'D', 'E')
('B', 'C', 'D', 'E', 'F')
('C', 'D', 'E', 'F', 'G')

您可以应用Counter，然后像这样获得唯一的 n-gram（及其频率）：

>>> Counter(ngrams("AAAAAAA", 5))
Counter({('A', 'A', 'A', 'A', 'A'): 3})

【讨论】：

【解决方案3】：

使用列表理解（代码高尔夫）：

findSubs=lambda s,v:[''.join([s[i+j] for j in range(v)]) for i,x in enumerate(s) if i<=len(s)-v]
findCount=lambda s,v:len(findSubs(s,v))

print findSubs('ABCDEFG', 5)  #returns ['ABCDE', 'BCDEF', 'CDEFG']
print findCount('ABCDEFG', 5) #returns 3

更新

对于您的更新，您可以将上面的列表转换为一个集合，再转换为一个列表，然后对字符串进行排序。

findUnique=lambda s,v:sorted(list(set(findSubs(s,v))))
findUniqueCount=lambda s,v:len(findUnique(s,v))

print findUnique('AAAAAA', 5)      #returns ['AAAAA']
print findUniqueCount('AAAAAA', 5) #returns 1

【讨论】：

我喜欢你的方法，它使用 Python 内置函数，我认为它与我的性能相同。

【解决方案4】：

就是长度减4：

def substrings(s):
    return len(s) - 4

这是真的，因为您可以为第一个、第二个、...、倒数第五个字符创建一个子字符串作为子字符串的第一个字母。

【讨论】：

【解决方案5】：

一般的解决方案可能是：

def count(string, nletters):
  return max(0, len(string) - nletters + 1)

根据您的示例，哪个有用例：

print count("ABCDEFG", 5)

【讨论】：

【解决方案6】：

>>> how_much = lambda string, length: max(len(string) - length + 1, 0)
>>> how_much("ABCDEFG", 5)
3

【讨论】：

"应该有一种——最好只有一种——明显的方法。", PEP20。创建命名函数的明显方法是def。

【解决方案7】：

我很确定 python 不是一种很好的语言，但是如果你想要找到的不同子字符串的长度不是像 5 那样小，而是像 1000 这样大，而你的主字符串很长，那么线性您的问题的时间解决方案是构建一个后缀树，您可以在线阅读它们。长度为 n 的字符串的后缀树可以在 O(n) 时间内构建，并且遍历树也需要 O(n) 时间，通过遍历树的更高级别，您可以计算特定长度的所有不同子字符串，无论您想要的子字符串的长度如何，也都在 O(n) 时间内。

【讨论】：