我有一组元组:
tokens = [('abstract', '1'), ('text', '1'), ('oie', '1'), ('idk', '1'), ('idk', '2'), ('pos', '2'), ('idk', '2'), ('idk', '2'), ('com', '2'), ('ggg', '4'), ('obama', '4'), ('joe', '4'), ('idk', '4')]
我需要把它放入一个嵌套的字典中,像这样:
dict_items([('abstract', {'1': 1}), ('text', {'1': 1}), ('oie', {'1': 1}), ('idk', {'1': 1, '2': 3, '4': 1}), ('pos', {'2': 1}), ('com', {'2': 1}), ('ggg', {'4': 1}), ('obama', {'4': 1}), ('joe', {'4': 1})])
这是:"term1" : {"text file number":"number of appearences"}
所以术语&;idk&;在文档1中出现一次,在文档2中出现三次,在文档4中出现两次
使用说明:
tokens = [('abstract', '1'), ('text', '1'), ('oie', '1'), ('idk', '1'), ('idk', '2'), ('pos', '2'),
('idk', '2'), ('idk', '2'), ('com', '2'), ('ggg', '4'), ('obama', '4'), ('joe', '4'), ('idk', '4')]
res = {}
for o, i in tokens:
if o not in res:
res[o] = {}
if i not in res[o]:
res[o][i] = 0
res[o][i] += 1
print(res)
{'abstract': {'1': 1}, 'text': {'1': 1}, 'oie': {'1': 1}, 'idk': {'1': 1, '2': 3, '4': 1}, 'pos': {'2': 1}, 'com': {'2': 1}, 'ggg': {'4': 1}, 'obama': {'4': 1}, 'joe': {'4': 1}}
另一种选择是使用collections.defaultdict
from collections import defaultdict
tokens = [('abstract', '1'), ('text', '1'), ('oie', '1'), ('idk', '1'), ('idk', '2'), ('pos', '2'), ('idk', '2'), ('idk', '2'), ('com', '2'), ('ggg', '4'), ('obama', '4'), ('joe', '4'), ('idk', '4')]
d = defaultdict(lambda : defaultdict(int))
for o, i in tokens:
d[o][i] += 1
res = { k : dict(v) for k, v in d.items()}
print(res)
{'abstract': {'1': 1}, 'text': {'1': 1}, 'oie': {'1': 1}, 'idk': {'1': 1, '2': 3, '4': 1}, 'pos': {'2': 1}, 'com': {'2': 1}, 'ggg': {'4': 1}, 'obama': {'4': 1}, 'joe': {'4': 1}}
第三种选择是使用collections.Counter
:
from collections import Counter
tokens = [('abstract', '1'), ('text', '1'), ('oie', '1'), ('idk', '1'), ('idk', '2'), ('pos', '2'),
('idk', '2'), ('idk', '2'), ('com', '2'), ('ggg', '4'), ('obama', '4'), ('joe', '4'), ('idk', '4')]
d = {}
for (o, i), value in Counter(tokens).items():
if o not in d:
d[o] = {}
d[o].update({i : value})
print(d)