Question

让我有两个清单：

a = ['a','b','c','a','a']
b = ['a','b','d']

我需要计算Jaccard距离=（union-intersect）/ union，但我知道每个列表中都会有重复项，我想计算它们，所以例如相对长度为2且Jaccard距离=（ 8-2）/ 8

我该怎么做？首先想到的是联合列表，然后逐个删除元素......

更新：可能我不得不更加强调我需要计算一些共和党人;

这是我的工作解决方案，但它非常难看：

a = [1,2,3,1,1]
b = [2,1,1, 6,5]

import collections
aX = collections.Counter(a)
bX = collections.Counter(b)

r1 = [x for x in aX if x in bX]
print r1

print sum((min(aX[x], bX[x]) for x in r1))

>>> 3

Answer 1

a = ['a','b','c','a','a']
b = ['a','b','d']
c = list(set(b).intersection(a))
['a','b']

注意事项会丢弃重复项！

Answer 2

获取两个列表a和b之间的jaccard index：

def jaccard_distance(a,b):
    a = set(a)
    b = set(b)
    c = a.intersection(b)
    return float(len(a) + len(b) - len(c)) /(len(a) + len(b))

Answer 3

使用集而不是列表。

set_a = set(a)
#Intersection will be
intersection = len(set_a.intersection(b))
#Union will be
union = len(set_a.union(b))

jackards_distance =  (union-intersect)/union

请注意，使用sets时，会丢弃每个副本。因此，联合长度将是4而不是8.如果要计算包括重复项在内的所有元素，则应该使用集合来计算联合，而不是求和len（a）+ len（b）

Answer 4

这是我的工作解决方案，但它非常难看：

a = [1,2,3,1,1]
b = [2,1,1, 6,5]

import collections
aX = collections.Counter(a)
bX = collections.Counter(b)

r1 = [x for x in aX if x in bX]
print r1

print sum((min(aX[x], bX[x]) for x in r1))

>>> 3

Python：如果有重复的话，如何找到两个列表的交集（实际上我需要一个交叉点的长度）？

4 个答案: