Python 对列表的字符串进行聚类并返回列表列表

我有一个字符串列表，如下所示：

a = ['aaa-t1', 'aaa-t2', 'aab-t1', 'aab-t2', 'aab-t3', 'abc-t2']

我想通过相似性对这些字符串进行聚类。您可能会注意到，

a[0]

和

a[1]

共享同一个根：

aaa

。我想创建一个新的列表，如下所示：

b = [['aaa-t1', 'aaa-t2'], ['aab-t1', 'aab-t2', 'aab-t3'], ['abc-t2']]

这样做的方法是什么？。到目前为止，我还没有成功，也没有任何像样的代码可以显示。我试着将字符串与

fuzzyfuzzy

进行比较，但这样做需要创建可能的字符串组合，并且这种组合会随着列表的长度而严重扩展

您可以使用按使用

str.split生成的键对字符串进行分组

：

>>> from itertools import groupby
>>> a = ['aaa-t1', 'aaa-t2', 'aab-t1', 'aab-t2', 'aab-t3', 'abc-t2']
>>> [list(g) for k, g in groupby(sorted(a), lambda x: x.split('-', 1)[0])]
[['aaa-t1', 'aaa-t2'], ['aab-t1', 'aab-t2', 'aab-t3'], ['abc-t2']]

---

groupby

返回元组的iterable

（键，组）

其中

key

是用于分组的键，

group

是组中项目的iterable。给

groupby

的第一个参数是用来生成组的iterable，可选的第二个参数是用来生成键的键函数。由于

groupby

仅对连续元素进行分组，因此需要首先对

a

进行排序。

什么是“相似性”规则？这是像“在第一个

-

之前把所有的东西都拿出来，然后用它来装箱”这样简单的事情吗？还是你需要做更复杂的相似性（一种类似的东西？@mgilson我认为“在第一个

-

之前把所有的东西都拿出来”就行了。我不知道word2vec，但看到它也会很惊奇！。请注意，要使

groupby

起作用，需要按分组依据的键对输入进行排序。在本例中，按字典顺序排序已经足够好了（因为键只是查看前两个字符），但在许多情况下并非如此。@mgilson True，这就是调用

sorted

的原因。因为在这种情况下，不需要指定排序的键，所以我选择了最短最简单的答案。@niemmi Holy s！！！！它起作用了！。我对

groupby

函数一无所知。我真的非常感谢你，我要自杀了。。。