如何从句子列表中创建单词列表？

Question

如果我有一个字符串列表，如：

lst = ['aa bb', 'cc dd', 'cc aa'] 

我怎样才能进入的唯一字列表这个像这样：

['aa', 'bb', 'cc', 'dd'] 

使用的理解？下面是据我已经得到了，无济于事：

wordList = [x.split() for row in lst for x in row] 

Answer 1

我认为最简单的方法可能是这样，虽然不是最有效的。

set(' '.join(lst).split()) 

如果你真的想要一个列表，然后只是包装，在给list()

Answer 2

你要循环拆分值：

wordList = [word for row in lst for word in row.split()] 

然后用一组，使独特的整个列表：

wordList = list({word for row in lst for word in row.split()}) 

或只使用一组，并用它做：

wordList = {word for row in lst for word in row.split()} 

演示：

>>> lst = ['aa bb', 'cc dd', 'cc aa'] 
>>> list({word for row in lst for word in row.split()}) 
['aa', 'cc', 'dd', 'bb'] 
>>> {word for row in lst for word in row.split()} 
set(['aa', 'cc', 'dd', 'bb']) 

如果顺序事项（上面的代码返回词语任意顺序，排序顺序是巧合凭借的CPython的实现细节），使用一个单独的组来跟踪重复值：

seen = set() 
wordList = [word for row in lst for word in row.split() if word not in seen and not seen.add(word)] 

为了说明的差别，一个更好的输入样本：

>>> lst = ['the quick brown fox', 'brown speckled hen', 'the hen and the fox'] 
>>> seen = set() 
>>> [word for row in lst for word in row.split() if word not in seen and not seen.add(word)] 
['the', 'quick', 'brown', 'fox', 'speckled', 'hen', 'and'] 
>>> {word for row in lst for word in row.split()} 
set(['and', 'brown', 'fox', 'speckled', 'quick', 'the', 'hen']) 

Answer 3

In [25]: list({y for x in lst for y in x.split()}) 
Out[25]: ['aa', 'cc', 'dd', 'bb'] 

要保持它的顺序，意味着从列表中删除重复项，您可以参考http://www.peterbe.com/plog/uniqifiers-benchmark。

Answer 4

维持秩序，你可以这样做：

>>> from collections import OrderedDict 
>>> lst = ['aa bb', 'cc dd', 'cc aa'] 
>>> new = [] 
>>> for i in lst: 
...  new.extend(i.split()) 
... 
>>> list(OrderedDict.fromkeys(new)) 
['aa', 'bb', 'cc', 'dd'] 

注意使用set()是最有可能更快，因为马亭指出。