收集引理及其在di中的单词

Question

我有一个格式的文本文件

word lemma
word lemma
word lemma    

像这样

^{pr2}$

我要做的是在dict中收集引理及其单词，这样输出就会像这样

{work: workers, work, working}
{go: went, going}

我试过了

mydict = {}
for line in myfile.splitlines():
    lemma = line.split()[1]
    word = line.split()[0]
    mydict[lemma] = word

但此代码给出以下输出：

{'work': 'working', 'go': 'going'}

有人能帮忙吗？在

Answer 1

正如我的评论所建议的那样，您需要列出一个列表作为您的值，而不仅仅是为每个键设置值。这样的事情应该行得通。在

mydict = {}
for line in myfile.splitlines():
    lemma = line.split()[1]
    word = line.split()[0]
    if lemma in mydict.keys():
        mydict[lemma].append(word)
    else:
        mydict[lemma] = [word]

Answer 2

我建议使用defaultdict，用collections模块中的list初始化。它适合这种情况，因为您可以轻松地添加新元素，并准备好list来添加元素。在

创建defaultdict很容易，方法是从集合中导入它并提供一个list作为唯一参数：

from collections import defaultdict

mydict = defaultdict(list)

然后，可以迭代文件中的每一行，并根据lemma的值append()对word进行迭代：

^{pr2}$

使用您提供的输入，print(mydict)输出您要查找的映射：

defaultdict(<type 'list'>, {'go': ['went', 'going'], 'work': ['workers', 'work', 'working']})

Answer 3

你的代码几乎是正确的！问题是mydict[lemma] = word将覆盖与该lemma相关的任何现有的word。实际上，每个引理可以有多个词与之关联，所以我们真正想做的是将新词添加到集合中，而不是重写现有的值。建模的自然方法是使用的dict列出字符串的dict，而不是string的dict。在

mydict = {}
for line in myfile.splitlines():
    word, lemma = line.split()
    if lemma in mydict:
        mydict[lemma].append(word)
    else:
        mydict[lemma] = [word]

这句话是什么意思？如果在mydict中已有给定lemma的条目，那么我们将其添加到列表中。如果还没有，我们用单例列表初始化条目。在

我还自由地使用Python的语法来解包序列。word, lemma = line.split()相当于word = line.split()[0]; lemma = line.split()[1]。在

Python的一个优点是许多简单的任务都由标准库提供。这种用例正是标准库的^{}设计的目的。当使用下标运算符（dict[x]）索引到defaultdict时，如果找不到值，则使用您提供的函数创建该值。在这里，我们告诉defaultdict初始化一个新列表。在

^{pr2}$

现在代码更简单了，因为defaultdict负责为我们检查if lemma in mydict。它总是会给我们一个（可能是空的）列表，我们可以在其中添加单词。在

for line in myfile.splitlines():
    word, lemma = line.split()
    mydict[lemma].append(word)

在注释中，您建议不要在输出中出现重复的word。标准库也可以在这方面提供帮助。^{}是一个有点像列表的数据结构，只是它不记得元素的顺序，它会自动删除重复项。（在引擎盖下，它的工作方式类似于dict，只有键，没有值。）

我们只需要将defaultdict函数从list更改为set，并将append方法更改为在set上工作的版本（称为add）

from collections import defaultdict
mydict = defaultdict(set)

for line in myfile.splitlines():
    word, lemma = line.split()
    mydict[lemma].add(word)