如何测试一个列表是否包含另一个列表作为连续子序列？

Question

如何测试一个列表是否包含另一个列表（即它是一个连续的子序列）。假设有一个名为 contains 的函数：

contains([1,2], [-1, 0, 1, 2]) # Returns [2, 3] (contains returns [start, end])
contains([1,3], [-1, 0, 1, 2]) # Returns False
contains([1, 2], [[1, 2], 3]) # Returns False
contains([[1, 2]], [[1, 2], 3]) # Returns [0, 0]

编辑：

contains([2, 1], [-1, 0, 1, 2]) # Returns False
contains([-1, 1, 2], [-1, 0, 1, 2]) # Returns False
contains([0, 1, 2], [-1, 0, 1, 2]) # Returns [1, 3]

Answer 1

如果所有项目都是唯一的，您可以使用集合。

>>> items = set([-1, 0, 1, 2])
>>> set([1, 2]).issubset(items)
True
>>> set([1, 3]).issubset(items)
False

Answer 2

OP 编辑​​后：

def contains(small, big):
    for i in xrange(1 + len(big) - len(small)):
        if small == big[i:i+len(small)]:
            return i, i + len(small) - 1
    return False

Answer 3

这是我的版本：

def contains(small, big):
    for i in xrange(len(big)-len(small)+1):
        for j in xrange(len(small)):
            if big[i+j] != small[j]:
                break
        else:
            return i, i+len(small)
    return False

它返回一个 (start, end+1) 的元组，因为我认为这更像是 pythonic，正如 Andrew Jaffe 在他的评论中指出的那样。它不会对任何子列表进行切片，因此应该相当有效。

新手感兴趣的一点是它使用else clause on the for statement - 这不是我经常使用的东西，但在这种情况下可能非常宝贵。

这与在字符串中查找子字符串相同，因此对于大型列表，实现Boyer-Moore algorithm 之类的方法可能更有效。

注意：如果您使用的是 Python3，请将 xrange 更改为 range。

Answer 4

这很有效，而且相当快，因为​​它使用内置的 list.index() 方法和 == 运算符进行线性搜索：

def contains(sub, pri):
    M, N = len(pri), len(sub)
    i, LAST = 0, M-N+1
    while True:
        try:
            found = pri.index(sub[0], i, LAST) # find first elem in sub
        except ValueError:
            return False
        if pri[found:found+N] == sub:
            return [found, found+N-1]
        else:
            i = found+1

Answer 5

我试图让它尽可能高效。

它使用生成器；建议不熟悉这些野兽的人查看their documentation 和yield expressions。

基本上，它从子序列中创建一个值生成器，可以通过发送一个真值来重置它。如果生成器被重置，它会从sub 的开头重新开始生成。

然后它只是将sequence 的连续值与生成器产量进行比较，如果它们不匹配则重置生成器。

当生成器的值用完时，即到达sub 的末尾而没有被重置，这意味着我们找到了匹配项。

由于它适用于任何序列，您甚至可以在字符串上使用它，在这种情况下，它的行为类似于str.find，只是它返回False 而不是-1。

进一步说明：根据 Python 标准，我认为返回元组的第二个值通常应该高一个。即"string"[0:2] == "st"。但规范另有规定，所以这就是它的工作原理。

这取决于这是一个通用的例程，还是实现某个特定的目标；在后一种情况下，最好实现一个通用例程，然后将其包装在一个函数中，该函数会调整返回值以适应规范。

def reiterator(sub):
    """Yield elements of a sequence, resetting if sent ``True``."""
    it = iter(sub)
    while True:
        if (yield it.next()):
            it = iter(sub)

def find_in_sequence(sub, sequence):
    """Find a subsequence in a sequence.

    >>> find_in_sequence([2, 1], [-1, 0, 1, 2])
    False
    >>> find_in_sequence([-1, 1, 2], [-1, 0, 1, 2])
    False
    >>> find_in_sequence([0, 1, 2], [-1, 0, 1, 2])
    (1, 3)
    >>> find_in_sequence("subsequence",
    ...                  "This sequence contains a subsequence.")
    (25, 35)
    >>> find_in_sequence("subsequence", "This one doesn't.")
    False

    """
    start = None
    sub_items = reiterator(sub)
    sub_item = sub_items.next()
    for index, item in enumerate(sequence):
        if item == sub_item:
            if start is None: start = index
        else:
            start = None
        try:
            sub_item = sub_items.send(start is None)
        except StopIteration:
            # If the subsequence is depleted, we win!
            return (start, index)
    return False

Answer 6

这是一个使用列表方法的简单算法：

#!/usr/bin/env python

def list_find(what, where):
    """Find `what` list in the `where` list.

    Return index in `where` where `what` starts
    or -1 if no such index.

    >>> f = list_find
    >>> f([2, 1], [-1, 0, 1, 2])
    -1
    >>> f([-1, 1, 2], [-1, 0, 1, 2])
    -1
    >>> f([0, 1, 2], [-1, 0, 1, 2])
    1
    >>> f([1,2], [-1, 0, 1, 2])
    2
    >>> f([1,3], [-1, 0, 1, 2])
    -1
    >>> f([1, 2], [[1, 2], 3])
    -1
    >>> f([[1, 2]], [[1, 2], 3])
    0
    """
    if not what: # empty list is always found
        return 0
    try:
        index = 0
        while True:
            index = where.index(what[0], index)
            if where[index:index+len(what)] == what:
                return index # found
            index += 1 # try next position
    except ValueError:
        return -1 # not found

def contains(what, where):
    """Return [start, end+1] if found else empty list."""
    i = list_find(what, where)
    return [i, i + len(what)] if i >= 0 else [] #NOTE: bool([]) == False

if __name__=="__main__":
    import doctest; doctest.testmod()

Answer 7

我觉得这个很快……

def issublist(subList, myList, start=0):
    if not subList: return 0
    lenList, lensubList = len(myList), len(subList)
    try:
        while lenList - start >= lensubList:
            start = myList.index(subList[0], start)
            for i in xrange(lensubList):
                if myList[start+i] != subList[i]:
                    break
            else:
                return start, start + lensubList - 1
            start += 1
        return False
    except:
        return False

Answer 8

如果big 列表真的很大，我可以谦虚地建议Rabin-Karp algorithm。该链接甚至包含几乎可用的 Python 代码。

Answer 9

如果我们细化关于测试一个列表是否包含另一个列表作为序列的问题，答案可能是下一个单行：

def contains(subseq, inseq):
    return any(inseq[pos:pos + len(subseq)] == subseq for pos in range(0, len(inseq) - len(subseq) + 1))

这里是我用来调整单行的单元测试：

https://gist.github.com/anonymous/6910a85b4978daee137f

Answer 10

最小的代码：

def contains(a,b):
    str(a)[1:-1].find(str(b)[1:-1])>=0

Answer 11

这是我的答案。这个函数将帮助您找出 B 是否是 A 的子列表。时间复杂度为 O(n)。

`def does_A_contain_B(A, B): #remember now A is the larger list
    b_size = len(B)
    for a_index in range(0, len(A)):
        if A[a_index : a_index+b_size]==B:
            return True
    else:
        return False`

Answer 12

有一个 all() 和 any() 函数可以做到这一点。 检查big 是否包含small 中的所有元素

result = all(elem in big for elem in small)

检查small 是否包含big 中的任何元素

result = any(elem in big for elem in small)

变量结果将是布尔值 (TRUE/FALSE)。

Answer 13

大多数答案的问题是，它们对列表中的唯一项目有好处。如果项目不是唯一的，并且您仍然想知道是否存在交叉点，则应该对项目进行计数：

from collections import Counter as count

def listContains(l1, l2):
  list1 = count(l1)
  list2 = count(l2)

  return list1&list2 == list1

print( listContains([1,1,2,5], [1,2,3,5,1,2,1]) ) # Returns True
print( listContains([1,1,2,8], [1,2,3,5,1,2,1]) ) # Returns False

您也可以使用''.join(list1&list2)返回交集

Answer 14

a=[[1,2] , [3,4] , [0,5,4]]
print(a.__contains__([0,5,4]))

它提供真正的输出。

a=[[1,2] , [3,4] , [0,5,4]]
print(a.__contains__([1,3]))

它提供了错误的输出。

Answer 15

这是一个代码行更少且易于理解的解决方案（或者至少我喜欢这样认为）。

如果你想保持顺序（仅当较小的列表在较大的列表中以相同的顺序找到时才匹配）：

def is_ordered_subset(l1, l2):
    # First check to see if all element of l1 are in l2 (without checking order)
    if not set(l1).issubset(l2): 
        return False

    length = len(l1)
    # Make sublist of same size than l1
    list_of_sublist = [l2[i:i+length] for i, x in enumerate(l2)]
    #Check if one of this sublist is l1
    return l1 in list_of_sublist 

Answer 16

戴夫的回答很好。但我建议这种实现更高效并且不使用嵌套循环。

def contains(small_list, big_list):
    """
    Returns index of start of small_list in big_list if big_list
    contains small_list, otherwise -1.
    """
    loop = True
    i, curr_id_small= 0, 0
    while loop and i<len(big_list):
        if big_list[i]==small_list[curr_id_small]:
            if curr_id_small==len(small_list)-1:
                loop = False
            else:
                curr_id_small += 1
        else:
            curr_id_small = 0
        i=i+1
    if not loop:
        return i-len(small_list)
    else:
        return -1

Answer 17

你可以使用numpy：

def contains(l1, l2):
   """ returns True if l2 conatins l1 and False otherwise """

   if len(np.intersect1d(l1,l2))==len(l1):
      return = True
   else:
      return = False

Answer 18

我总结并评估了不同技术所花费的时间

使用的方法有：

def containsUsingStr(sequence, element:list):
    return str(element)[1:-1] in str(sequence)[1:-1]


def containsUsingIndexing(sequence, element:list):
    lS, lE = len(sequence), len(element)
    for i in range(lS - lE + 1):
        for j in range(lE):
            if sequence[i+j] != element[j]: break
        else: return True
    return False


def containsUsingSlicing(sequence, element:list):
    lS, lE = len(sequence), len(element)
    for i in range(lS - lE + 1):
        if sequence[i : i+lE] == element: return True
    return False


def containsUsingAny(sequence:list, element:list):
    lE = len(element)
    return any(element == sequence[i:i+lE] for i in range(len(sequence)-lE+1))

时间分析代码（平均超过 1000 次迭代）：

from time import perf_counter

functions = (containsUsingStr, containsUsingIndexing, containsUsingSlicing, containsUsingAny)
fCount = len(functions)


for func in functions:
    print(str.ljust(f'Function : {func.__name__}', 32), end='   ::   Return Values: ')
    print(func([1,2,3,4,5,5], [3,4,5,5]) , end=', ')
    print(func([1,2,3,4,5,5], [1,3,4,5]))



avg_times = [0]*fCount
for _ in range(1000):
    perf_times = []
    for func in functions:
        startTime = perf_counter()
        func([1,2,3,4,5,5], [3,4,5,5])
        timeTaken = perf_counter()-startTime
        perf_times.append(timeTaken)
        

    for t in range(fCount): avg_times[t] += perf_times[t]

minTime = min(avg_times)
print("\n\n Ratio of Time of Executions : ", ' : '.join(map(lambda x: str(round(x/minTime, 4)), avg_times)))

输出：

结论：在这种情况下，切片操作被证明是最快的