Python从其他字符串列表中计算列表中的子字符串数，不重复

问题描述

我有两个清单：

main_list = ['Smith', 'Smith', 'Roger', 'Roger-Smith', '42']
master_list = ['Smith', 'Roger']

我想计算在main_list字符串中从master_list中找到字符串的次数，而不计算相同项目的两倍。

示例：对于上面的两个列表，我的函数的结果应该是4.'mith'可以在main_list中检索3次。 “罗杰可以被发现2次，但是'史密斯'已经在'罗杰 - 史密斯'中找到了，这个已经不再算了，所以'罗杰'只计算为1，总计4。

我写的知道功能如下，但我认为有更快的方法：

def string_detection(master_list, main_list):
    count = 0
    for substring in master_list:
        temp = list(main_list)
        for string in temp:
            if substring in string:
                main_list.remove(string)
                count+=1
    return count

您可以使用pandas （提供快速矢量化操作）和str.contains和sum()

import pandas as pd
main_list = pd.Series(['Smith', 'Smith', 'Roger', 'Roger-Smith', '42'])
master_list = ['Smith', 'Roger']
count = main_list.str.contains('|'.join(master_list)).sum()

你可以通过其他方式做到这一点。 创建仅包含main_list中具有master_list子字符串的元素的列表

temp_list = [ string for string in main_list if any(substring in string for substring in master_list)]

现在temp_list看起来像这样：

['Smith', 'Smith', 'Roger', 'Roger-Smith']

所以temp_list的长度就是你的答案。

那这个呢

main_list = ['Smith', 'Smith', 'Roger', 'Roger-Smith', '42']
master_list = ['Smith', 'Roger']

print len([word for word in main_list if any(mw in word for mw in master_list)])

这样做：

main_list = ['Smith', 'Smith', 'Roger', 'Roger-Smith', '42']
master_list = ['Smith', 'Roger']

i = 0
for elem in main_list:
    if elem in master_list:
        i += 1
        continue
    for master_elem in master_list:
        if master_elem in elem:
            i += 1
            break

print(i) # i = 4

上面的代码将'Roger-Smith'为1，如果您希望将其计为多个，请删除break 。

如果你的master_list不是很大，那么一种方法就是使用正则表达式：

import re

def string_detection(master_list, main_list):
    count = 0
    master = re.compile("|".join(master_list))
    for entry in main_list:
        if master.search(entry):
            count += 1
    return count