我在寻找与窗口大小N.单词组成的字符串的滑动窗口分流的Python的句子串滑动窗口
输入:“我爱美食,我喜欢喝”,窗口大小3
输出:“我爱的食物”,“爱的食物和”,“食品和我”,“我喜欢” .....]
所有窗口滑动的建议是围绕序列字符串,没有条款。盒子里有东西吗?
我在寻找与窗口大小N.单词组成的字符串的滑动窗口分流的Python的句子串滑动窗口
输入:“我爱美食,我喜欢喝”,窗口大小3
输出:“我爱的食物”,“爱的食物和”,“食品和我”,“我喜欢” .....]
所有窗口滑动的建议是围绕序列字符串,没有条款。盒子里有东西吗?
您可以使用具有不同偏移量的迭代器并将它们全部压缩。
>>> arr = "I love food. blah blah".split()
>>> its = [iter(arr), iter(arr[1:]), iter(arr[2:])] #Construct the pattern for longer windowss
>>> zip(*its)
[('I', 'love', 'food.'), ('love', 'food.', 'blah'), ('food.', 'blah', 'blah')]
您可能需要使用izip
,如果你有长句,也可以是普通的旧环(像其他的答案)。
def token_sliding_window(str, size):
tokens = str.split(' ')
for i in range(len(tokens)- size + 1):
yield tokens[i: i+size]
基于下标串序列的方法:
def split_on_window(sequence="I love food and I like drink", limit=4):
results = []
split_sequence = sequence.split()
iteration_length = len(split_sequence) - (limit - 1)
max_window_indicies = range(iteration_length)
for index in max_window_indicies:
results.append(split_sequence[index:index + limit])
return results
样本输出:
>>> split_on_window("I love food and I like drink", 3)
['I', 'love', 'food']
['love', 'food', 'and']
['food', 'and', 'I']
['and', 'I', 'like']
['I', 'like', 'drink']
这里有一个备选答案由@SuperSaiyan启发:
from itertools import izip
def split_on_window(sequence, limit):
split_sequence = sequence.split()
iterators = [iter(split_sequence[index:]) for index in range(limit)]
return izip(*iterators)
样本输出:
>>> list(split_on_window(s, 4))
[('I', 'love', 'food', 'and'), ('love', 'food', 'and', 'I'),
('food', 'and', 'I', 'like'), ('and', 'I', 'like', 'drink')]
基准:
Sequence = I love food and I like drink, limit = 3
Repetitions = 1000000
Using subscripting -> 3.8326420784
Using izip -> 5.41380286217 # Modified to return a list for the benchmark.
这里是我终于做到: 高清find_ngrams(input_list,N): 返回ZIP(* [input_list [我: ]为我在范围(n)]) – user1025852