python3计数器，它也平均滑动窗口中的索引位置

Question

我有一个列表和一个字符串：

anchors=['a','b']
mystring = 'aerdsbewsabsdsasdbs'

我想遍历mystring 中的每个字母，如果我“击中”一个锚点，请跟踪出现在“prior”之前的 2 个字母和“post”之后的 2 个字母的字母。

所以我想要的输出将是一个列表列表，格式为：

[[prior letters, anchor, post letters],
prior letters, anchor, post letters]]

对于每个锚。这可以通过在letters 内的mystring 上使用Counter() 轻松实现，但我想按平均索引位置对结果输出进行排序。
因此，对于每个先前的字母，我想计算它在每个锚点的 2 个字母内出现的次数，并按锚点的索引位置的平均值进行排序。在我的锚点“a”的示例中，这看起来像：

prior letters = {s:(2,-1), w:(1,-2), d:(1,-2)}
anchor = 'a'
post letters = {e:(1,1), r:(1,2), b:(1,1), s:(2,1.5), d:(1,2)}

前面和后面字母的每个键值对都采用以下形式：

letter:(count,avg_index)

字母=2的滑动窗口内的字母
count = 字母在每个锚点的滑动窗口中出现的次数
avg_index = 字母相对于每个锚点的平均索引位置，例如 (-1.5) 表示字母出现在位置 -1 和 -2，平均为 -1.5。
我正在努力完成代码，有没有更好的数据结构可以帮助我？

Answer 1

不是一个完整的答案，但评论太窄了。 我已经测试了这段代码：

import pandas as pd

anchors=['a','b']
mystring = 'aerdsbewsabsdsasdbs'

df = pd.DataFrame(columns=['letter', 'match_anchor', '2_letters_before', '2_letters_afer'])
for letter in mystring:
    df = df.append( pd.DataFrame([[letter, letter in anchors]], columns=['letter', 'match_anchor']) )

df['2_letters_before'] = df['letter'].shift(2)
df['2_letters_afer'] = df['letter'].shift(-2)
df = df[df['match_anchor'] == True]
df = df.reset_index(drop=True)
print(df)

输出是：

  letter match_anchor 2_letters_before 2_letters_afer
0      a         True              NaN              r
1      b         True                d              w
2      a         True                w              s
3      b         True                s              d
4      a         True                d              d
5      b         True                s            NaN

关键是我不了解您的数据。有了当前的输出，我想我已经接近你的期望了。但是，您能否解释更多您想要的预期输出？例如，数字 (2,-1) 对字母 's'/anchor 'a' 的含义是什么？

prior letters = {s:(2,-1), w:(1,-2), d:(1,-2)}
anchor = 'a'
post letters = {e:(1,1), r:(1,2), b:(1,1), s:(2,1.5), d:(1,2)}

编辑： 好吧，不是一个非常pythonic的代码，但我已经设法用pandas做到了。 第一步：我正在构建一个 DataFrame，其中的字母与窗口内的锚点 + 字母匹配。 然后，我构建了所有要查找的字母的列表。我确实遍历这些字母以计算它们+计算索引。 输出不是字典，但我只打印了值。它可以轻松编辑以满足您的需求。

import pandas as pd
import numpy as np

anchors=['a','b']
mystring = 'aerdsbewsabsdsasdbs'

# Building the DataFrame for calculations:
df = pd.DataFrame(columns=['letter', 'match_anchor'])
for letter in mystring:
    df = df.append( pd.DataFrame([[letter, letter in anchors]], columns=['letter', 'match_anchor']) )

df['2_let_bef'] = df['letter'].shift(2)
df['1_let_bef'] = df['letter'].shift(1)
df['1_let_aft'] = df['letter'].shift(-1)
df['2_let_aft'] = df['letter'].shift(-2)
df = df[df['match_anchor'] == True]
print(df)

# Getting the list of letters to look to:
let = pd.concat([df['2_let_bef'],
                 df['1_let_bef'],
                 df['2_let_aft'],
                 df['1_let_aft'],], ignore_index=True)
let = let.dropna().unique().tolist()
print('list of letters to look to:', let, '\n')

# looping through
for letter in anchors:
    print('\nAnchor=', letter)
    pf_anchor = df[df['letter'] == letter]
    # checking 'before'
    for l in let:
        count = len(pf_anchor[pf_anchor['2_let_bef'] == l]) + \
                len(pf_anchor[pf_anchor['1_let_bef'] == l])
        index_avg = -2*len(pf_anchor[pf_anchor['2_let_bef'] == l]) - \
                    len(pf_anchor[pf_anchor['1_let_bef'] == l])
        if count > 0:
            index_avg = index_avg/count
            print('(before)', l, ":", (count,index_avg))

    for l in let:
    # checking 'after'
        count = len(pf_anchor[pf_anchor['2_let_aft'] == l]) + \
                len(pf_anchor[pf_anchor['1_let_aft'] == l])
        index_avg = 2*len(pf_anchor[pf_anchor['2_let_aft'] == l]) + \
                    len(pf_anchor[pf_anchor['1_let_aft'] == l])
        if count > 0:
            index_avg = index_avg/count
            print('(after)', l, ":", (count,index_avg))

输出：

Anchor= a
(before) d : (1, -2.0)
(before) w : (1, -2.0)
(before) s : (2, -1.0)
(after) d : (1, 2.0)
(after) s : (2, 1.5)
(after) r : (1, 2.0)
(after) e : (1, 1.0)
(after) b : (1, 1.0)

Anchor= b
(before) d : (2, -1.5)
(before) s : (3, -1.6666666666666667)
(before) a : (1, -1.0)
(after) d : (1, 2.0)
(after) w : (1, 2.0)
(after) s : (2, 1.0)
(after) e : (1, 1.0)

Answer 2

我能够在没有 pandas/numpy 的情况下编写它以获得更 Pythonic 的答案，但接受了 Oliviers，因为他首先得到它并且它有效。

from collections import Counter, defaultdict
from statistics import mean
mytext = 'sldksfjksljdkljasflkjsfdjkldfslkjsfdsaljkdfsljkbfdsjlkdfs'
anchors = ['k','s']
out = []
letters = []
amount=0
avgindex=0
for anchor in anchors:
    anchordict = {anchor:(amount,avgindex)}
    letterindex = defaultdict(list)
    for i,letter in enumerate(mytext):
        if anchor==letter:
            z=-2
            for letter in mytext[i-2:i]:
                letterindex[letter].append(z)
                z=z+1
            anchordict[anchor] = (anchordict[anchor][0]+1,anchordict[anchor][1]+1)
    out.append(anchordict)
    for k,v in letterindex.items():
        letterindex[k] = mean(v)
    for k,v in letterindex.items():
        letters.append([anchor,k,v])
letters.sort(key=lambda tup: tup[2])
print(out)
print(letters)