0

我有两个字典,dict1 和 dict2。字典包含作为 ID 的键和作为字符串的值。我需要对 dict1 中的所有值与 dict2 中的所有其他值进行所有对比较。

我正在使用以下代码,它工作正常,但速度很慢。我的实际数据在每个字典中包含大约 100,000 个值。有没有其他“有效”的方法可以做到这一点。

import difflib
dict1 = {"111": "asdfa", "222":"gdjkgd", "333":"xvbkx"}
dict2 = {"311": "asdfa", "322":"gdjkzxgd", "333":"xvvbkx"}
qKeys = sorted(dict2.keys())
#Write the header in outfile
nline = "ref"+ "\t" + "\t".join(qKeys) + "\n"
print(nline)
for item in dict1:
    ratioArr = []
    refseq = dict1[item]
    for qitem in qKeys:
        qSeq = dict2[qitem]
        myratio = round(difflib.SequenceMatcher(None, refseq, qSeq).ratio(),2)
        ratioArr.append(str(myratio))
    #print(myratio)
    nline = item + "\t" + "\t".join(ratioArr)+"\n"
    print(nline)
4

1 回答 1

1

我的建议是,首先,使用比 difflib 更快的东西,后者是纯 python。

您应该检查是否可以使用levenshtein distance。如果可以,您可以使用pylevenshtein

最后,您还有决定哪个字符串匹配哪个字符串的问题——这是一个赋值问题。它可以使用匈牙利算法有效地解决。该算法的一个常用实现是munkres

于 2013-10-11T17:42:08.277 回答