在python中计算两个字典中的冗余值的数量

Question

我生成了两个字典：

dict1 = {'Ex1': ['Spata1', 'D', 'E'], 'Ex2': ['Fgg', 'Wfdc2', 'F', 'G']}

dict2={'lnc3': ['Spata1', 'Fgg', 'D'], 'lnc2': ['Fgg', 'E'], 'lnc1': ['Spata1', 'Wfdc2', 'F', 'G']}

我想计算dict1的每个键的值与dict2的每个键的值重叠的数量，并在输出文件中报告以下元素：

1. dict1的键值
2. dict1中键值的长度
3. dict2的键值
4. dict2中键值的长度
5. 字典1和字典2的每个键之间的重叠值的数目。在

例如：

dict1的Ex1有3个键Spat1、D和E。 Ex1的值与dict2的lnc3中的2个值（Spata2和D）、lnc2（E）的1个值和lnc1（Spata1）的1个值重叠。最终输出应如下所示：

^{pr2}$

这是我的代码：

output = open("Output.txt", "w")
output.write('keydict1\tlength_value_dict1\tkeydict2\tlength_value_dict2\tNumber_of_overlap\n') 
for key, value in dict1.items():
    len1=len(dict1[key]) #gives length of the key
    for vals in value: #to iterate over each of the values corresponding to key
        for key2, value2 in dict2.items(): #iterates over keys and values of second dictionary
            len2=len(dict2[key2])
            counter = 0 #sets counter to 0
            for vals2 in value2:
                if vals == vals2: #checks values if equal to each other
                    counter = counter + 1 #if it is equal, it adds 1 to the counter, then it is supposed to reset it when it gets to next key2
            newline= key,str(len1),key2,str(len2),str(counter) #For some reason, i cant output the file in the command below except if the integers are converted to strings. Not sure if there is a better trick
            output.write('\t'.join(newline)+"\n")

脚本可以正常工作。但是，产出并不像预期的那样。每次循环时，它不会多次添加计数器，然后将每个成对比较写入单独的行。在

我还不知道错误在哪里。下面是使用上述脚本的输出：

keydict1    length_value_dict1  keydict2    length_value_dict2  Number_of_overlap
Ex2 4   lnc3    3   1
Ex2 4   lnc2    2   1
Ex2 4   lnc1    4   0
Ex2 4   lnc3    3   0
Ex2 4   lnc2    2   0
Ex2 4   lnc1    4   1
Ex2 4   lnc3    3   0
Ex2 4   lnc2    2   0
Ex2 4   lnc1    4   1
Ex2 4   lnc3    3   0
Ex2 4   lnc2    2   0
Ex2 4   lnc1    4   1
Ex1 3   lnc3    3   1
Ex1 3   lnc2    2   0
Ex1 3   lnc1    4   1
Ex1 3   lnc3    3   1
Ex1 3   lnc2    2   0
Ex1 3   lnc1    4   0
Ex1 3   lnc3    3   0
Ex1 3   lnc2    2   1
Ex1 3   lnc1    4   0

Answer 1

你的算法应该是这样的。在

for k1, v1 in dict1.items():
    for k2, v2 in dict2.items():
        # now find the number of items that appear in both v1 and v2

但正如你现在所注意到的，你的算法做到了这一点。在

^{pr2}$

实际上，您可以找到v1中的项v出现在v2中的次数，应该是0或1。由于这个for v in v1循环，您可以多次检查键k1和k2之间的项目冗余。在

现在让我们回到原始算法。我们只想找到intersection中两个列表v1和{}之间的元素数目。因为交集是一个集合概念，我们只需做len(set(v1).intersection(v2))。下面是一个简单的代码片段，它可以实现所有这些，而不需要特殊的格式。在

dict1 = {'Ex1': ['Spata1', 'D', 'E'], 'Ex2': ['Fgg', 'Wfdc2', 'F', 'G']}
dict2 = {'lnc3': ['Spata1', 'Fgg', 'D'], 'lnc2': ['Fgg', 'E'], 'lnc1': ['Spata1', 'Wfdc2', 'F', 'G']}

for k1, v1 in dict1.items():
    for k2, v2 in dict2.items():
        print '%3s %5d %10s %5d %5d' % (k1, len(v1), k2, len(v2), len(set(v1).intersection(v2)))

请注意，字典没有您所期望的键顺序的概念。如果你真的想，有ways来补救这个问题。在

Ex2     4       lnc3     3     1
Ex2     4       lnc2     2     1
Ex2     4       lnc1     4     3
Ex1     3       lnc3     3     2
Ex1     3       lnc2     2     1
Ex1     3       lnc1     4     1

---

如果你的列表有重复的值，使用集合交集可能会扭曲你的计数，因为集合会忽略重复的元素。传统的方法是找到重叠，然后为每个元素创建一个字典，比如，v2，然后对于v1中的每个项目，查看它在v2中存在的次数，并求出总数。代码：

from collections import Counter

v2_counts = Counter(v2)
overlap = sum(v2_counts.get(v, 0) for v in v1)

方法get(key, default_value)尝试使用键key获取字典的值，如果不存在，它将返回default_value。在