52

我有一个像这样构造的大字典：

programs['New York'] = 'some values...' 
programs['Port Authority of New York'] = 'some values...' 
programs['New York City'] = 'some values...'
...

如何返回programs其键中提到“纽约”（不区分大小写）的所有元素？在上面的示例中，我想获取所有三个项目。

编辑：字典很大，预计会随着时间的推移而变大。

4

5 回答 5

96 
[value for key, value in programs.items() if 'new york' in key.lower()]
于 2012-05-07T14:58:48.143 回答
11

这通常称为宽松字典，可以使用后缀树有效地实现。

这种方法使用的内存在键上是线性的，这是最优的，搜索时间在你正在搜索的子串长度上是线性的，这也是最优的。

我在 python 中找到了这个库来实现这个。

https://hkn.eecs.berkeley.edu/~dyoo/python/suffix_trees/

于 2014-05-19T11:15:05.867 回答
6

你应该使用mensi给出的蛮力方法，直到它被证明太慢。

这是复制数据以加快查找速度的方法。仅当您的搜索仅针对整个单词时才有效 - 即您永远不需要匹配“New Yorks Best Bagels”，因为“york”和“yorks”是不同的词。

words = {}
for key in programs.keys():
    for w in key.split():
        w = w.lower()
        if w not in words:
            words[w] = set()
        words[w].add(key)


def lookup(search_string, words, programs):
    result_keys = None
    for w in search_string.split():
        w = w.lower()
        if w not in words:
            return []
        result_keys = words[w] if result_keys is None else result_keys.intersection(words[w])
    return [programs[k] for k in result_keys]

如果单词必须按顺序排列（即“York New”不应该匹配），您可以将蛮力方法应用于result_keys.

于 2012-05-07T16:11:53.613 回答
5

您可以提前生成所有子字符串，并将它们映射到各自的键。

#generates all substrings of s.
def genSubstrings(s):
    #yield all substrings that contain the first character of the string
    for i in range(1, len(s)+1):
        yield s[:i]
    #yield all substrings that don't contain the first character
    if len(s) > 1:
        for j in genSubstrings(s[1:]):
            yield j

keys = ["New York", "Port Authority of New York", "New York City"]
substrings = {}
for key in keys:
    for substring in genSubstrings(key):
        if substring not in substrings:
            substrings[substring] = []
        substrings[substring].append(key)

然后您可以查询substrings以获取包含该子字符串的键：

>>>substrings["New York"]
['New York', 'Port Authority of New York', 'New York City']
>>> substrings["of New York"]
['Port Authority of New York']

优点：

  • 通过子字符串获取键与访问字典一样快。

缺点：

  • 生成substrings会在程序开始时产生一次性成本，所花费的时间与programs.
  • substrings将随着 中的键数近似线性增长programs，从而增加脚本的内存使用量。
  • genSubstrings与密钥大小相关的 O(n^2) 性能。例如，“纽约港务局”生成 351 个子字符串。
于 2012-05-07T15:50:31.043 回答
3

一个iteritems和一个生成器表达式将执行此操作：

d={'New York':'some values',
    'Port Authority of New York':'some more values',
    'New York City':'lots more values'}

print list(v for k,v in d.iteritems() if 'new york' in k.lower())

输出：

['lots more values', 'some more values', 'some values']
于 2012-05-07T15:03:38.210 回答