Comparando listas en Python por Difflib Modul
Pregunta
Estoy probando la biblioteca de diflib.Tengo dos listas: L_1 y L_2 que contienen cadenas.Quiero saber, si esas secuencias son similares (el orden no es importante).
L_1 = ["Bob", "Mary", "Hans"]
L_2 = ["Bob", "Marie", "Háns"]
debería estar bien.Pero
L_1 = ["Nirdosch", "Mary", "Rolf"]
L_2 = ["Bob", "Marie", "Háns"]
no debe estar bien.
Se me ocurrió la idea de iterar en la primera lista L_1 y para que coincida con cada elemento de L_1 por el método
difflib.get_close_matches()
Contra la segunda lista L_2.Si hubiera una coincidencia con una proporción más grande, entonces digamos 0.7 Retírelo de L_2 y continúe.Pero dudo que sea un buen plan.¿Hay algo mejor?
Solución
I would do something like:
import difflib
L_1 = ["Bob", "Mary", "Hans"]
L_2 = ["Bob", "Marie", "Hans"]
def similiarity(L_1, L_2):
L_1 = set(intern(w) for w in L_1)
L_2 = set(intern(w) for w in L_2)
to_match = L_1.difference( L_2)
against = L_2.difference(L_1)
for w in to_match:
res = difflib.get_close_matches(w, against)
if len(res):
against.remove( res[0] )
return (len(L_2)-len(against)) / (len(L_1))
print similiarity(L_1,L_2)
Licenciado bajo: CC-BY-SA con atribución
No afiliado a StackOverflow