问题描述
我正在查看有关 n-gram 的一些笔记,并且遇到了几个有趣的函数。首先是生成二元组:
def bigrams(word):
return sorted(list(set(''.join(bigram)
for bigram in zip(word,word[1:]))))
def bigram_print(word):
print("The bigrams of",word,"are:")
print(bigrams(word))
bigram_print("ababa")
bigram_print("babab")
在自己阅读和玩 Python 之后,我明白了为什么会这样。然而,在查看这个函数时,我对这里的zip(*word[i:])
的使用感到非常困惑。我知道 *
是一个解包运算符(如 here 所解释的),但我真的被它与列表理解结合在一起的方式绊倒了。谁能解释一下?
def ngrams(word,n):
return sorted(list(set(''.join(ngram)
for ngram in zip(*[word[i:]
for i in range(n)]))))
def ngram_print(word,n):
print("The {}-grams of {} are:".format(n,word))
print(ngrams(word,n))
for n in [2,3,4]:
ngram_print("ababa",n)
ngram_print("babab",n)
print()
解决方法
如果你崩溃了
zip(*[word[i:] for i in range(n)])
你得到:
[word[i:] for i in range(n)]
相当于:
[word[0:],word[1:],word[2:],... word[n-1:]]
从word
现在,如果您对其应用解包 *
运算符:
*[word[0:],... word[n-1:]]
您将每个列表 word[0:]
、word[1:]
等传递给 zip()
所以,zip
被这样调用:
zip(word[0:],... word[n-1:])
哪个 - 根据 zip
的工作原理 - 将创建 n 元组,每个条目来自相应的参数之一:
[(words[0:][0],words[1:][0]....),(words[0:][1],words[1:][1]....)
...
如果映射索引,您会看到这些值对应于 word
的 n-gram 定义
下面的例子应该解释它是如何工作的。我已经添加了代码和它的可视化表示。
直觉
核心思想是将同一列表的多个版本压缩在一起,每个版本都从下一个后续元素开始。
假设 L
是一个单词/元素列表 ['A','B','C','D']
然后,这里发生的事情是 L,L[1:],L[2:]
被压缩,这意味着每个元素的第一个元素(L 的第一个、第二个和第三个元素)被连接在一起,第二个元素被连接在一起并且等等..
在视觉上这可以显示为:
我们担心的声明 -
zip ( * [L[i:] for i in range(n)])
#|___||_______||________________________|
# | | |
# zip unpack versions of L with subsequent 0 to n elements skipped
代码示例
l = ['A','D']
print('original list: '.ljust(27),l)
print('list skipping 1st element: ',l[1:])
print('list skipping 2 elements: '.ljust(27),l[2:])
print('bi-gram: '.ljust(27),list(zip(l,l[1:])))
print('tri-gram: '.ljust(27),l[1:],l[2:])))
original list: ['A','D']
list skipping 1st element: ['B','D']
list skipping 2 elements: ['C','D']
bi-gram: [('A','B'),('B','C'),('C','D')]
tri-gram: [('A','D')]
如您所见,您基本上压缩了相同的列表,但跳过了一个。这将 (A,B) 和 (B,C) ... 压缩到了二元组中。
*
运算符用于解包。当您更改 i 值以跳过元素时,您基本上是在压缩 [l[0:],l[2:]...]
的列表。这将传递给 zip()
并使用 *
在其中解压缩。
zip(*[word[i:] for i in range(n)] #where word is the list of words
替代列表理解
上面的列表推导等价于 -
n = 3
lists = []
for i in range(3):
print(l[i:]) #comment this if not needed
lists.append(l[i:])
out = list(zip(*lists))
print(out)
['A','D']
['B','D']
['C','D']
[('A','D')]