for-Python循环中出现意外输出

我有以下清单：

t=[['universitario de deportes'],['lancaster'],['universitario de'],['juan aurich'],['muni'],['juan']]

我想根据jaccard距离对列表重新排序。如果我重新排序

t

，预期输出应为：

[['universitario de deportes'],['universitario de'],['lancaster'],['juan aurich'],['juan'],['muni']]

jackard distance的代码工作正常，但其余代码未给出预期输出。代码如下：

def jack(a,b):
    x=a.split()
    y=b.split()
    k=float(len(set(x)&set(y)))/float(len((set(x) | set(y))))
    return k
t=[['universitario de deportes'],['lancaster'],['universitario de'],['juan aurich'],['muni'],['juan']]

import copy as cp


b=cp.deepcopy(t)

c=[]

while (len(b)>0):
    c.append(b[0][0])
    d=b[0][0]
    del b[0]
    for m in range (0 , len(b)+1):
        if m > len(b):
            break
            if jack(d,b[m][0])>0.3:
                c.append(b[m][0])
                del b[m]

t=['universitario de deportes','lancaster','lancaste','juan aurich','lancaster','juan','universitario','juan franco']

import copy as cp


b=cp.deepcopy(t)

c=[]

while (len(b)>0):
    c.append(b[0])
    e=b[0]
    del b[0]
    for val in b:
        if jack(e,val)>0.3:
            c.append(val)
            b.remove(val)

print c
['universitario de deportes', 'universitario', 'lancaster', 'lancaster', 'lancaste', 'juan aurich', 'juan', 'juan franco'

不幸的是，意外输出是相同的列表：

print c
['universitario de deportes', 'lancaster', 'universitario de', 'juan aurich', 'muni', 'juan']

编辑：

---

我试图更正我的代码，但它也不起作用，但我离预期的输出更近了一点：

t=[['universitario de deportes'],['lancaster'],['universitario de'],['juan aurich'],['muni'],['juan']]

import copy as cp


b=cp.deepcopy(t)

c=[]

while (len(b)>0):
    c.append(b[0][0])
    d=b[0][0]
    del b[0]
    for m in range(0,len(b)-1):
        if jack(d,b[m][0])>0.3:
            c.append(b[m][0])
            del b[m]

“关闭”输出为：

['universitario de deportes', 'universitario de', 'lancaster', 'juan aurich', 'muni', 'juan']

第二次编辑：

最后，我提出了一个计算速度相当快的解决方案。目前，我将使用该代码订购6万个名称。代码如下：

def jack(a,b):
    x=a.split()
    y=b.split()
    k=float(len(set(x)&set(y)))/float(len((set(x) | set(y))))
    return k
t=[['universitario de deportes'],['lancaster'],['universitario de'],['juan aurich'],['muni'],['juan']]

import copy as cp


b=cp.deepcopy(t)

c=[]

while (len(b)>0):
    c.append(b[0][0])
    d=b[0][0]
    del b[0]
    for m in range (0 , len(b)+1):
        if m > len(b):
            break
            if jack(d,b[m][0])>0.3:
                c.append(b[m][0])
                del b[m]

t=['universitario de deportes','lancaster','lancaste','juan aurich','lancaster','juan','universitario','juan franco']

import copy as cp


b=cp.deepcopy(t)

c=[]

while (len(b)>0):
    c.append(b[0])
    e=b[0]
    del b[0]
    for val in b:
        if jack(e,val)>0.3:
            c.append(val)
            b.remove(val)

print c
['universitario de deportes', 'universitario', 'lancaster', 'lancaster', 'lancaste', 'juan aurich', 'juan', 'juan franco'

---

首先，我不知道为什么你会把所有的东西都放在单件清单上，所以我建议你先把它放平：

t = [l[0] for l in t]

这将消除所有额外的零索引，这意味着您只需要浅拷贝（因为字符串是不可变的）

其次，代码的最后三行永远不会运行：

if m > len(b):
    break # nothing after this will happen
    if jack(d,b[m][0])>0.3:
       c.append(b[m][0])
       del b[m]

我想你想要的是：

out = [] # this will be the sorted list
for index, val1 in enumerate(t): # work through each item in the original list
    if val1 not in out: # if we haven't already put this item in the new list
        out.append(val1) # put this item in the new list
    for val2 in t[index+1:]: # search the rest of the list
        if val2 not in out: # if we haven't already put this item in the new list
            jack(val1, val2) > 0.3: # and the new item is close to the current item
                out.append(val2) # add the new item too

这给了我

out == ['universitario de deportes', 'universitario de', 
      'lancaster', 'juan aurich', 'juan', 'muni']

---

我通常建议使用比

a

、

b

、

c

等更好的变量名。

为什么

t

包含单个项目列表？对您的值运行

jack

，只有两个条目具有非零值，因此排序不会起多大作用。根据t，有两对jaccard索引大于0.3的数据对，应该在输出中放在一起，但事实并非如此。“我离预期输出稍微近了一点”是毫无帮助的。请提供投入以及预期和实际产出。如果您尝试用文字描述排序算法也应该做什么，这将非常有用。另外，请检查您的变量名-它们当前非常糟糕。请检查我的编辑：）

范围（0，len（b）-1:

应该是

范围（len（b））

-

范围

不上升到但不包括

停止

参数。更好的是，采用我的答案建议的

枚举法。你的代码不适用于案例：t=[“cala”、“cala lima”、“uni”、“ali”、“uni le”、“ali po”、“tr”、“wq”、“tr uni”]编辑-这样更好吗？如果您提供了您期望的答案，而不是“不起作用”，这将是非常有帮助的。[“卡拉”、“卡拉利马”、“阿里”、“阿里波”、“uni”、“uni”、“uni le”、“tr uni”、“tr”、“wq”]检查mi edit，我离预期的输出稍微近了一点，也许您可以纠正我。您的代码很好，它非常接近预期的输出，但我不想重复，所以我选择第一次jaccard相似度大于0.3