首先,我有两个字符串列表:
['abc','abc','def','jkl']
['abc','def','def','pqr', 'pr', 'foo', 'bar']
然后我需要列表的计数器,这些计数器是标准化的,以便每个计数器中的值之和等于1:
Counter({'abc': 0.8164965809277261, 'jkl': 0.4082482904638631, 'def': 0.4082482904638631})
Counter({'abc': 1.1498299142610595, 'def': 1.0749149571305296, 'jkl': 0.4082482904638631, 'pr': 0.3333333333333333, 'bar': 0.3333333333333333, 'pqr': 0.3333333333333333, 'foo': 0.3333333333333333})
标准化因子是
math.sqrt(sum(i*i for i in counter.values()))
我已经通过迭代抛出计数器键尝试了下面的方法,但是有没有其他方法可以实现sayx+y
计数器?
>>> from collections import Counter
>>> import math
>>> x = Counter(['abc','abc','def','jkl'])
>>> denominator = 1/math.sqrt(sum(math.pow(i,2) for i in x.values()))
>>> for i in x:
... x[i]*=denominator
...
>>> x
Counter({'abc': 0.8164965809277261, 'jkl': 0.4082482904638631, 'def': 0.4082482904638631})
>>> y = Counter(['abc','def','def','pqr', 'pr', 'foo', 'bar'])
>>> denominator2 = 1/math.sqrt(sum(math.pow(i,2) for i in y.values()))
>>> for i in y:
... y[i]*=denominator2
...
>>> y
Counter({'def': 0.6666666666666666, 'pr': 0.3333333333333333, 'abc': 0.3333333333333333, 'bar': 0.3333333333333333, 'pqr': 0.3333333333333333, 'foo': 0.3333333333333333})
>>> x+y
Counter({'abc': 1.1498299142610595, 'def': 1.0749149571305296, 'jkl': 0.4082482904638631, 'pr': 0.3333333333333333, 'bar': 0.3333333333333333, 'pqr': 0.3333333333333333, 'foo': 0.3333333333333333})
您需要对这些值求和,然后将每个计数除以和:
通过用
0.0
开始求和,我们确保total
是一个浮点值,避免了使用整型操作数的/
的Python 2 floor division行为。演示:
如果需要对计数器求和,则需要分别重新规范化结果计数器;例如,对两个规范化计数器求和意味着您有一个新的计数器,整个值总和为2。
列表对象(
l1
)的计数器对象(c1
)的规范化是将每个计数除以列表中的总元素,即列表的长度(total
)。与计算类似于sum(c1.values(), 0.0)
的(c1
)中的总计数相比,这成本更低。可以使用给定的第一个列表中的以下示例:
相关问题 更多 >
编程相关推荐