Python 嵌套列表长度不等的多元素相似度计算

我有一个嵌套列表，每一个元素都有不同的长度：

lst = [[a,bcbcbcbcbc],[e,bbccbbccb],[i,ccbbccbb],[o,cbbccbb]]

我的输出是具有以下外观的数据帧的csv：

comparison     similarity_score
   a:e          *some score      
   a:i          *some score
   a:o          *some score
   e:i          *some score
   e:o          *some score
   i:o          *some score

我的代码：

similarity = []
for i in lst:
    name = i[0]
    string = i[1]
    score = 0.0
    length =(len(string))
    for i in range(length):
        if string[i]==string[i+1]:
            score += 1.0
    new_score = (100.0*score)/length
    name_seq = name[i] + ':' + name[i+1]
    similarity.append(name_seq,new_score)

similarity.pdDataFrame(similarity, columns = ['comparison' , 'similarity_score'])
similarity.to_csv('similarity_score.csv')

但我收到了一个错误：

    if codes[i]==codes[i+1]:
          IndexError: string index out of range

---

有什么建议吗？谢谢

根据Python的文档

range

通过示例执行以下操作：

>>>范围（10）
[0,1,2,3,4,5,6,7,8,9]

在代码中（假设变量名未更改）：

换句话说，给定一个输入

bcb

，if语句将查看以下索引：

（0,1）
（1,2）

---

（2,3）

根据Python的文档
range
通过示例执行以下操作：

>>>范围（10）

[0,1,2,3,4,5,6,7,8,9]

在代码中（假设变量名未更改）：

换句话说，给定一个输入
bcb
，if语句将查看以下索引：

（0,1）

（1,2）

（2，3）
我认为您最大的问题是，在顶层，您只是一次迭代一对
名称、字符串，而不是您希望在输出中看到的一对
名称、字符串（如成对名称
a:e
所示）

稍后您将尝试为
名称
和
字符串
值编制索引，但这样做并不能达到您的目的（将两个字符串相互比较以计算分数），因为您只访问同一字符串中的相邻字符。您得到的异常是因为
i+1
可能会超出字符串的末尾。由于将
i
用于内部循环中的索引和从外部循环中获取的项目（名称、字符串对），因此会出现进一步的混淆

要获得成对的对，我建议使用
itertools.compositions
：

import itertools

for [name1, string1], [name2, string2] in itertools.combinations(lst, 2):

现在，您可以在循环的其余部分使用两个名称和两个字符串变量

我不能完全确定我是否理解如何比较字符串以获得分数，因为它们彼此的长度不同。如果只想比较字符串的初始部分（并忽略较长字符串的尾随位），可以使用
zip
获取两个字符串之间的对应字符对。然后可以在生成器表达式中比较它们，并将
bool
结果相加（
True
是整数
1
的特殊版本，
False
是
0
的版本）。然后可以除以字符串长度中较小的一个（或者如果要惩罚长度差异，可以除以较大的一个）：

还有一个更明显的问题，就是您使用两个参数调用
append
。如果您真的想追加一个2元组，则需要一组额外的括号：

similarity.append((name_seq, new_score))

我认为您最大的问题是，在顶层，您只需一次迭代一对
名称、字符串
对，而不是您希望在输出中看到的一对
名称、字符串
对（如成对名称
a:e
所示）

稍后您将尝试为
名称
和
字符串
值编制索引，但这样做并不能达到您的目的（将两个字符串相互比较以计算分数），因为您只访问同一字符串中的相邻字符。您得到的异常是因为
i+1
可能会超出字符串的末尾。由于将
i
用于内部循环中的索引和从外部循环中获取的项目（名称、字符串对），因此会出现进一步的混淆

要获得成对的对，我建议使用
itertools.compositions
：

import itertools

for [name1, string1], [name2, string2] in itertools.combinations(lst, 2):

现在，您可以在循环的其余部分使用两个名称和两个字符串变量

我不能完全确定我是否理解如何比较字符串以获得分数，因为它们彼此的长度不同。如果只想比较字符串的初始部分（并忽略较长字符串的尾随位），可以使用
zip
获取两个字符串之间的对应字符对。然后可以在生成器表达式中比较它们，并将
bool
结果相加（
True
是整数
1
的特殊版本，
False
是
0
的版本）。然后可以除以字符串长度中较小的一个（或者如果要惩罚长度差异，可以除以较大的一个）：

还有一个更明显的问题，就是您使用两个参数调用
append
。如果您真的想追加一个2元组，则需要一组额外的括号：

similarity.append((name_seq, new_score))

numPlaces在哪里初始化？代码[i]==代码[i+1]不会出现在代码段中，除非您指的是字符串[i]==字符串[i+1]什么是
numPlaces
（可能应该是
length
）？为什么异常中的行与显示的代码中的任何行都不匹配？不管怎么说，我认为您对
I
感到困惑，因为您在不同的时间对两个不同的事物使用相同的变量名。如果
name
在您的列表中是
a
，那么您所做的
name[i+1]
就毫无意义了。@Blckknght感谢您的更正。我必须承认我对for循环中的I很困惑。numPlaces初始化在哪里？代码[i]==代码[i+1]不会出现在代码段中，除非您指的是字符串[i]==字符串[i+1]什么是
numPlaces
（可能应该是
length
）？为什么异常中的行与显示的代码中的任何行都不匹配？不管怎么说，我认为您对
I
感到困惑，因为您在不同的时间对两个不同的事物使用相同的变量名。如果
name
在您的列表中是
a
，那么您所做的
name[i+1]
就没有任何意义了。@Blckkng