聚類串並返回一個列表的列表

Question

我必須爲以下一個字符串列表：

a = ['aaa-t1', 'aaa-t2', 'aab-t1', 'aab-t2', 'aab-t3', 'abc-t2'] 

我想通過相似性聚類這些字符串。您可能會注意到，a[0]和a[1]共享相同的根：aaa。我想產生列表的一個新的列表，看起來像這樣：

b = [['aaa-t1', 'aaa-t2'], ['aab-t1', 'aab-t2', 'aab-t3'], ['abc-t2']] 

會是一個什麼辦法做下去？到目前爲止，我還沒有成功，我沒有任何體面的代碼來展示。我試圖比較字符串與fuzzywuzzy，但這樣做需要創建可能的字符串組合，並與列表的長度嚴重縮放。

Answer 1

您可以通過str.split生成的密鑰使用groupby到組字符串：

>>> from itertools import groupby 
>>> a = ['aaa-t1', 'aaa-t2', 'aab-t1', 'aab-t2', 'aab-t3', 'abc-t2'] 
>>> [list(g) for k, g in groupby(sorted(a), lambda x: x.split('-', 1)[0])] 
[['aaa-t1', 'aaa-t2'], ['aab-t1', 'aab-t2', 'aab-t3'], ['abc-t2']] 

groupby其中key是用於分組的關鍵，group是迭代的羣組中的商品返回元組(key, group)的迭代。給予groupby的第一個參數是從中產生組的可迭代，第二個參數是被調用來產生密鑰的關鍵函數。由於groupby只有組連續元素a需要首先排序。