如何避免冗余并将过滤器应用于字符串组合

Posted 2023-02-25

【中文标题】如何避免冗余并将过滤器应用于字符串组合

【英文标题】：How to avoid redundancy and apply filter into string combination

【发布时间】：2017-12-14 14:01:20

【问题描述】：

我想避免在字符串列表中的所有可能组合中出现冗余（例如，1122 在我的上下文中与 2211 相同，因此结果列表中应该只有一个或另一个）。

我还想在组合过程中应用过滤器。例如，我不想在结果中包含任何包含3 的字符串。

我应该如何处理这个逻辑？

这段代码在做组合

>>> keywords = [''.join(i) for i in itertools.product(['11', '22', '33'], repeat = 2)]
>>> keywords
['1111', '1122', '1133', '2211', '2222', '2233', '3311', '3322', '3333']

【问题讨论】：

是否也应该跳过2222 和3333？

也许循环并对每个字符串进行排序，如果排序后的字符串在新列表中不存在，则添加原始字符串：***.com/questions/15046242/… 如果这看起来是您想要的正确方向，我可以写一个更好的答案去吧。

应删除任何包含 3 的字符串

如果你不想在输出中出现 3，你应该从 input 到 product 中过滤掉这些字符串。

repeat 总是 2 吗？

【参考方案1】：

根据您的实际数据，可能是一种更有效的方法，但下面的算法将起作用。我们通过简单的比较消除了重复项。我已经将'3'的检查放入一个函数中。这比直接在列表推导中执行稍慢，但它使代码更通用。

import itertools

bases = ['11', '22', '33', '44']

def is_ok(u, v):
    ''' Test if a u,v pair is permitted '''
    return not ('3' in u or '3' in v)

keywords = [u+v for u, v in itertools.product(bases, repeat = 2) if u <= v and is_ok(u, v)]

输出

['1111', '1122', '1144', '2222', '2244', '4444']
print(keywords)

【参考方案2】：

同样可以通过过滤itertools.combinations_with_replacement:

代码

import itertools as it


bases = ["11", "22", "33", "44"]

[x+y for x,y in it.combinations_with_replacement(bases, 2) if "3" not in x+y]
# ['1111', '1122', '1144', '2222', '2244', '4444']

这个版本更通用，不依赖于比较数字字符串。

---

详情

从the docs我们可以理解为什么会这样：

combinations_with_replacement()的代码也可以表示为product()的子序列，在过滤了元素未按顺序排序的条目（根据它们在输入池中的位置）

def combinations_with_replacement(iterable, r):
    pool = tuple(iterable)
    n = len(pool)
    for indices in product(range(n), repeat=r):
        if sorted(indices) == list(indices):
            yield tuple(pool[i] for i in indices)

以这种方式，每个项目都与一个唯一索引相关联。当比较两个项目的索引时，仅使用排序组合来产生一个项目。剩余的索引如已经看到的那样被丢弃。

(0, 0)
(0, 1)
(0, 2)
(0, 3)
(1, 0)                                         # discarded
(1, 1)
...

有关此工具与itertools.product 之间相似性的更多详细信息，请参阅the docs。

【参考方案3】：

这应该做你想做的：

import itertools

def main():

    newkeywords = []
    keywords = ["".join(i) for i in itertools.product(["11", "22", "33"], repeat = 2)]
    for item in keywords:
        newitem = "".join(sorted(item))
        if "3" not in newitem and newitem not in newkeywords:
            newkeywords.append(newitem)
    print(newkeywords)

main()

结果：

['1111', '1122', '2222']

它创建一个新列表，如果该排序项（使 1122 与 2211 相同）存在或存在数字“3”，则不要将其添加到新列表中。