Question

我正在处理两个单独的列表，一个是字符串的split结果，另一个是包含列表对象的列表，列表对象中的第一项是字符串。

例如

list_0: ["Hey", "hello?", "hi"]
list_1: [["Hey", 0.13, 0.14, 0, 0.58], ["hello?", 0.15, 0.16, 1, 0.23], ["hi", 0.17, 0.18, 0, 0.32]]

list_0的排列顺序正确，并且包含重复的值，由于它是音频文件的翻译，因此不能作为集合。在list_1中，第三个元素是每个发言者的reference_number。

我想对翻译进行分类并找到每个单词/短语的说话者，这样我可以看到reference_number_0说"Hey", "hi"和reference_number_1说"hello?"。

由于可能会有重复的值，因此我需要确保我没有错误地匹配第一对。

如何为每个完整短语找到ref_number？

预期产量

0: "Hey", "hi"
1: "hello?"

作为更复杂的示例，假设我有list_0和list_1：

list_0: ["Have", "we", "all", "had", "lunch" yes", "yes", "not", "yet"]
list_1: [["Have", 0.0, 0.1, 0, 0.12], ["we", 0.2, 0.3, 0, 0.48], ["all", 0.4, 0.5, 0, 0.85], ["had", 0.6, 0.7, 0, 0.82], ["lunch", 0.8, 0.9, 0, 0.35], ["yes", 0.9, 1.0, 0, 0.57], ["yes", 1.1, 1.2, 1, 0.56], ["not", 1.3, 1.4, 2, 0.25], ["yet", 1.5, 1.6, 2, 0.73]]

这里有三个扬声器-0、1、2。输出应为：

0: "Have", "we", "all", "had", "lunch", "yes"
1: "yes"
2: "not", "yet"

干杯:)

Answer 1

只需构建一个列表字典即可：

di={}
for l0,l1 in zip(list_0,list_1):
    di.setdefault(l1[3],[]).append(l0)

>>> di
{0: ['Have', 'we', 'all', 'had', 'lunch', 'yes'], 1: ['yes'], 2: ['not', 'yet']}

对于您的特定输出：

>>> '\n'.join("{}: {}".format(e, ", ".join(di[e])) for e in sorted(di))
0: Have, we, all, had, lunch, yes
1: yes
2: not, yet

Answer 2

这应该做：

from itertools import groupby

result = []
for k, v in groupby(list_1, key=lambda x: x[3]):
    subresult = []
    for r in list(v):
        subresult.append(r[0])
    result.append(subresult)

输出：

[['Have', 'we', 'all', 'had', 'lunch', 'yes'], ['yes'], ['not', 'yet']]

Answer 3

好的，所以我们按期望的顺序排列了list_0，但是根据您的评论， list_1不一定是任何特定顺序；唯一的方法匹配它们是通过匹配字符串。这个问题可能应该为了清楚起见，已经按照这种方式安排了数据。

这里出现问题。例如，假设list_0具有以下数据：

list_0 = ['yes', 'no', 'yes', 'yes']

然后，忽略多余的浮点数据，假设list_1 告诉我们reference_number_0说了两次'yes'，并且 reference_number_1说一次'yes'，然后说一次'no'。

我们如何分辨reference_number_1所说的顺序话？

讲话顺序可能是这样的：

0-yes 1-no 1-yes 0-yes

但是也可能是这样：

1-yes 1-no 0-yes 0-yes

无法判断哪个是正确的。因此，在一般情况下，问题是无法解决的。

两个单独列表中的匹配子序列

3 个答案: