在列表中查找字符串并使用python返回辅助值

Question

我试图找到一种方法，在值列表中搜索一个字符串，并返回一个辅助值（如果有）。做一场“亲密”比赛的能力会更好。在

我将使用的值列表相当大（200000多个记录），其结构如下：

data1 -> number1
data2 -> number2
data3 -> number3

我将使用我的字符串与data1进行比较，如果匹配，我将返回number1。在

数据可以以任何方式进行操作，因为我可以访问原始数据。在

我将用于搜索的字符串是用户创建的，不具有一致性，因此“接近”匹配将非常有用。在

搜索数据与实际数据的示例如下：

^{pr2}$

会有更大的不一致，但这些很可能需要手动编辑。我只是想减轻手工录入的工作量。在

最好的办法是什么？在

Answer 1

正如评论所说，字典将是存储底层数据的最佳方式，并且您必须进一步指定“紧密匹配”的含义。在

因此，您可以将数据存储在字典中，如下所示（基于问题中的示例数据）：

data = {
    "data1" : number1,
    "data2" : number2,
    "data3" : number3,
}

假设您创建了一些函数，该函数在这个上下文中对您的“目标”输入求值“closeness”

^{pr2}$

这样，如果string==target，则返回最大的贴近度得分（比如closiness是一个百分比，它实际上取决于您的意思）。在

然后，您可以使用pythons'sorted'函数（https://docs.python.org/2/library/functions.html#sorted）根据数据的“接近程度”对数据进行排序：

by_closeness = sorted(data.keys(), key = lambda x: closeness(x, target), reverse = True)

那么你最接近的对手就是

^{4}$

然后返回值

value = data[closest_match]

如果您没有这种“亲密度”的要求，而只是寻找一个完全匹配的值，那么您仍然可以使用字典的思想，但只返回值：

value = data[target]

可以使用dictionary“get”方法使其更健壮，如果键中不存在target，则该方法将返回默认值：

value = data.get(target, 'Target not found')

如果这只是您想要的某种字符串接近度，那么有很多种度量方法，例如Levenstein距离（http://www.wikiwand.com/en/Levenshtein_distance）。在

另一个关键的步骤是将所有输入的字符串规范化，即将所有输入的字符串都转换为小写，去掉标点符号等

从你给出的例子来看，替换常用的缩写词可能是个好主意，比如CO>；company，Incorporated->；INC等等。如果你仔细观察你的数据，你可能会发现其中很多。在

Answer 2

如果您进行随机访问，字典似乎是一个更好的选择，因为它基于哈希函数，并且可能会更高效：

d = {
  'data1': 'number1',
  'date2': 'number2'
}

num = d['data1']

如果您需要在整个结构中迭代，您可以检索键，然后像这样检索每个项，尽管这肯定会有相当大的开销，因为必须对每个项应用哈希函数。在

^{pr2}$

---

如果您主要是遍历整个结构，可以将它们存储为一个tuple列表，如下所示：

l = [
    ('data1', 'number1'),
    ('data2', 'number2')
]

您可以像这样在结构中迭代：

^{4}$

你可以用这样的生成器随机访问：

z = next(number for data, number in l if data == 'data1')

对于随机访问，这将是不太有效的，因为您将不得不遍历所有先前的元素，直到找到您要查找的元素，但是如果您主要是迭代，则速度会更快