如何合并列表中相似的项目

Question

我在谷歌上没有找到任何相关的东西，所以我希望能在这里找到一些帮助：）

我有一个Python列表，如下所示：

[['hoose', 200], ["Bananphone", 10], ['House', 200], ["Bonerphone", 10], ['UniqueValue', 777] ...]

我有一个函数，返回2个字符串之间的Levenshtein距离，对于House和hoose，它将返回2，依此类推

现在我想合并levenshtein分数为f.e.<；5，while（！）加上他们的分数，所以对于结果列表，我想要以下内容：

^{pr2}$

或者

[['House', 400], ["Bonerphone", 20], ['UniqueValue', 777], ...]  

等等

只要他们的价值得到增加就没关系了。在

列表中只有两个非常相似的项目，因此任何一个项目与其他项目的连锁效应都是不可预料的。在

Answer 1

为了从我的评论中理解这一点，我只是从here抓取了一个距离的实现，并计算了一些距离：

d('House', 'hoose') = 2
d('House', 'trousers') = 4
d('trousers', 'hoose') = 5

现在，假设你的阈值是4。您必须合并House和{}，以及House和{}，但是不是trousers和{}。你确定这样的事情永远不会发生在你的数据上吗？在

最后，我认为更多的是一个聚类问题，所以你可能需要研究聚类算法。SciPy提供了一个hierarchical clustering的实现，它与自定义的距离函数一起工作（请注意，对于较大的数据集，这可能会非常慢，而且会消耗大量内存）。在

主要的问题是决定集群质量的度量，因为对于您的问题没有一个正确的解决方案。This paper（pdf）为您提供了一个了解该问题的起点。在