在 Python 3.0 中查找和替换列表元素？

Question

我有 3 个大列表 L0、L1 和 L2，分别有 106756、106588 和 100 个字。

L0 和 L1 将数据标记化为单词的标记，L2 由 L0 和 L1 列表共有的单词组成。

假设，

L1 = ['newnes', 'imprint', 'elsevier', 'corporate', 'drive', 'suite',
     'burlington', 'usa', 'linacre', 'jordan', 'hill', 'oxford', 'uk', 
     'elsevier', 'inc', 'right', 'reserved', 'exception', 'newness', 'uk', ...]

L2 = ['usa', 'uk', 'hill', 'drive', ... ]

正如您在 L1 列表中看到的那样，有 repetition of the words，例如 'newness'、'uk'。

我需要的是，对于L2 中的每个discovered (found) 字，比如（比如'newness'、'uk'），我需要用它的modified injected form 替换它，比如在special character 处附加一个special character发现的单词的start 或end position。 此外，对于发现的单词（L2）的所有实例，应替换为L1 中相同单词的修改版本。例如，

假设，newness 这个词在L1 列表（比如说）中出现了 100 次，而新奇这个词也出现在 L2 中。同样，L2 中也有 100 个单词，L1 中也有多个单词。

然后，转换后的列表应该看起来像这样：

newness ------> $newness$

uk -----------> $uk$ 

...

如何在列表中实现这一点？请帮忙。我也是python的新手。我只是想知道python中是否存在一些命令来实现这一点？我不知道从哪里开始？

Answer 1

为了对列表中的事物进行计数，python 在其集合模块中提供了一个类似 dict 的 Counter() 类：Doku，它计算 O(n) 中的出现次数并将它们作为字典提供。

from collections import Counter


L1 = ['newnes', 'imprint', 'elsevier', 'corporate', 'drive', 'suite',
     'burlington', 'usa', 'linacre', 'jordan', 'hill', 'oxford', 'uk', 
     'elsevier', 'inc', 'right', 'reserved', 'exception', 'newness', 'uk', ...]

L2 = ['usa', 'uk', 'hill', 'drive', ... ]


c = Counter(L1)
print(c)

输出：

Counter({'elsevier': 2, 'uk': 2, 'newnes': 1, 'imprint': 1, 'corporate': 1, 
         'drive': 1, 'suite': 1, 'burlington': 1, 'usa': 1, 'linacre': 1, 
         'jordan': 1, 'hill': 1, 'oxford': 1, 'inc': 1, 'right': 1, 'reserved': 1,
         'exception': 1, 'newness': 1, Ellipsis: 1})

它提供了一种方便的方法来将结果排序为元组列表(key, count) 命名为most_common() - 如果您使用第一个，您将获得最常用的单词，您可以将其与列表推导一起使用来修改您的来源列表：

word,_ = c.most_common()[0]  # get word mos often used

# inplace modification of L1
L1[:] = [ x if x != word else "#"+word+"#" for x in L1] # use x if not the most used word
L2[:] = [ x if x != word else "#"+word+"#" for x in L2] # else pre-/append #

print(L1)
print(L2)

输出：

['newnes', 'imprint', '#elsevier#', 'corporate', 'drive', 'suite', 'burlington', 
 'usa', 'linacre', 'jordan', 'hill', 'oxford', 'uk', '#elsevier#', 'inc', 
 'right', 'reserved', 'exception', 'newness', 'uk', Ellipsis]

['usa', 'uk', 'hill', 'drive', Ellipsis]

Counter 中的项目顺序与原始列表中的顺序相关，L1 中有多个项目，计数为 2 - elsevier 是其中的第一个，因此它也是第一个使用most_common()

---

编辑 4 条评论：

from collections import Counter

L1 = ['newnes', 'imprint', 'elsevier', 'corporate', 'drive', 'suite',
     'burlington', 'usa','imprint', 'linacre', 'jordan', 'hill', 'oxford', 'uk','uk', 
     'elsevier', 'inc', 'right', 'reserved','imprint', 'exception', 'imprint','newness', 'uk', "..."]

L2 = ['usa', 'uk', 'hill', 'drive', "..."]


c = Counter(L1) 


substs = "#*+~-:;=)(/&%$§!"
i = 0
for word,count in c.most_common():
    temp = substs[i]*count # use the i-th char as substitute, apply it count times
    L1[:] = [ x if x != word else temp+word+temp for x in L1] # use x if not the most used word
    L2[:] = [ x if x != word else temp+word+temp for x in L2] # else pre-/append #
    i += 1
    i = i % len(substs) # wrap around

print(L1)
print(L2)

输出：

['~newnes~', '####imprint####', '++elsevier++', '-corporate-', ':drive:', ';suite;', 
 '=burlington=', ')usa)', '####imprint####', '(linacre(', '/jordan/', '&hill&', 
 '%oxford%', '***uk***', '***uk***', '++elsevier++', '$inc$', '§right§', '!reserved!', 
 '####imprint####', '#exception#', '####imprint####', '*newness*', '***uk***', 
 '+...+']

[')usa)', '***uk***', '&hill&', ':drive:', '+...+']