背景
目前所做的一个项目,需要进行数据的预处理,具体内容为对一句话进行分词,将分词的结果,进行组合,进而生成短语。将需求抽象成问题,即为对某个集合生成子集,但略微有所不同,因为分词的结果,数量可能很大,利用生成子集个数的计算公式 X = 2 n X=2^n X=2n可知,当n很大时,子集个数成指数级增长,且根据我的实际需求,词组一般由1~3个词语组成,因此我们的问题变为了生成指定元素个数的子集
问题
对一个集合,生成指定元素个数的子集
Example
[1,2,3,4,5] 生成元素个数为3的集合
=>345
=>245
=>235
=>234
=>145
=>135
=>134
=>125
=>124
=>123
思路
"""
thought:
二进制的占位表示,正好代表了子集的位置:
比如 1,2,3,他的所有子集是3 2 23 1 13 12 123
1,2,3是三位数,2的三次方是8,8的二进制占位是[0 0 0]到[1 1 1]
子集3,就是[0 0 1] 子集23就是[0 1 1]
按照1表示有,0表示无的方式映射 来获取所有子集
"""
实现
注:前两个版本适合单次使用,不适合多次使用
具体代码
"""
thought:
二进制的占位表示,正好代表了子集的位置:
比如 1,2,3,他的所有子集是3 2 23 1 13 12 123
1,2,3是三位数,2的三次方是8,8的二进制占位是[0 0 0]到[1 1 1]
子集3,就是[0 0 1] 子集23就是[0 1 1]
按照1表示有,0表示无的方式映射 来获取所有子集
"""
class gen_subset:
targetarray=[]#用于存储每一个数对应的二进制数
def __init__(self,originarray):
self.originarray=originarray
def dojob(self,length):
maxlen = 2 ** len(self.originarray)
for i in range(maxlen):
str = bin(i).replace('0b', '') # 十进制转2进制
self.targetarray.append(str)
self.buling()
self.generation(length)
def buling(self):
for i in range(len(self.targetarray)):
if (len(self.targetarray[i]) ==len(self.originarray)): continue;
temp=""
for j in range(len(self.originarray)-len(self.targetarray[i])):
temp=temp+"0" #保证targetarray位数和要生成的集合个数相同,这样设置对应的映射
self.targetarray[i]=temp+self.targetarray[i]
def generation(self,length):
for i in range(len(self.targetarray)):
s=self.targetarray[i]
#subset=[]
subset=""
for j in range(len(s)):
item=s[j]
if(item=="1"):
#获取对应位的这个值,加入到子集
subset=subset+self.originarray[j]
#subset.append(self.originarray[j])
if length==0 or len(subset)==length:
#满足设定要求输出
print(subset)
实现测试
originarray=["1", "2", "3", "4", "5"]
t=gen_subset(originarray)
length=input("请输入要生成的子集元素的个数:")
t.dojob(int(length))
补充
这里代码实现了生成指定元素个数的子集,但是还存在一点细节处理,不能完全满足需求,即当originarray=["1", "2", "3", "4", "5"]
里的元素的长度不为1时,他不能正确实现我们所需的效果。
设计的关键在于如下代码块:
if length==0 or len(subset)==length:
#满足设定要求输出
print(subset)
当你的某一个元素长度超过1时,会导致subset长度提前满足要求,进而结束,得不到所要的答案。
这里我们可以运用列表来接受subset子集元素来处理
version 2.0
class gen_subset:
targetarray=[]#用于存储每一个数对应的二进制数
def __init__(self,originarray):
self.originarray=originarray
def dojob(self,length):
maxlen = 2 ** len(self.originarray)
for i in range(maxlen):
str = bin(i).replace('0b', '') # 十进制转2进制
self.targetarray.append(str)
self.buling()
self.generation(length)
def buling(self):
for i in range(len(self.targetarray)):
if (len(self.targetarray[i]) ==len(self.originarray)): continue;
temp=""
for j in range(len(self.originarray)-len(self.targetarray[i])):
temp=temp+"0" #保证targetarray位数和要生成的集合个数相同,这样设置对应的映射
self.targetarray[i]=temp+self.targetarray[i]
def generation(self,length):
for i in range(len(self.targetarray)):
s=self.targetarray[i]
subset=[]
for j in range(len(s)):
item=s[j]
if(item=="1"):
#获取对应位的这个值,加入到子集
subset.append(self.originarray[j])
if length==0 or len(subset)==length:
#满足设定要求输出
print(subset)
# 测试数据
originArray = ['月', '说', '时尚', '圈', '热闹', '一个月', '欣赏', '一个个', '品牌', '新品', '大秀', '感受', '设计师', '奇思妙想', '2020', '年春夏', '时装周', '步入', '尾声', '一站', '巴黎', '热度', '却是', '丝毫', '未减', '大胆', '创意', '秀场', '新颖', '设计', '理念', '奇妙', '剪裁', '构思', '时刻', '领略', '艺术', '神奇', '感受', '前所未有', '精神', '世界']
print(len(originArray))
originarray=["1", "2", "3", "4", "5"]
t=gen_subset(originarray)
length=input("请输入要生成的子集元素的个数:")
t.dojob(int(length))
如果想处理成字符串的形式,再利用.join(str)
即可完成需求
version 3.0
在实际使用中出了些许问题,现已修改
#targetarray=[]#用于存储每一个数对应的二进制数 注:不能设为静态变量,否则在多次利用后,会被填充值,导致结果重复
class gen_subset:
#targetarray=[]#用于存储每一个数对应的二进制数 注:不能设为静态变量,否则在多次利用后,会被填充值,导致结果重复
def __init__(self,originarray,targetarray,storage):
self.originarray=originarray
self.targetarray=targetarray
self.storage=storage
def dojob(self,length):
maxlen = 2 ** len(self.originarray)
for i in range(maxlen):
str = bin(i).replace('0b', '') # 十进制转2进制
self.targetarray.append(str)
self.buling()
self.generation(length)
def buling(self):
for i in range(len(self.targetarray)):
if (len(self.targetarray[i]) ==len(self.originarray)): continue;
temp=""
for j in range(len(self.originarray)-len(self.targetarray[i])):
temp=temp+"0" #保证targetarray位数和要生成的集合个数相同,这样设置对应的映射
self.targetarray[i]=temp+self.targetarray[i]
def generation(self,length):
for i in range(len(self.targetarray)):
s=self.targetarray[i]
subset=[]
for j in range(len(s)):
item=s[j]
if(item=="1"):
#获取对应位的这个值,加入到子集
subset.append(self.originarray[j])
if length==0 or len(subset)==length:
#满足设定要求输出
#print("".join(subset))
self.storage.append("".join(subset))
def processing(o,storage):
t1=gen_subset(o,[],storage)
t2=gen_subset(o,[],storage)
t1.dojob(2)
t2.dojob(3)
if __name__ == '__main__':
o = ["1", "2", "3", "4", "5"]
storage=[]
processing(o,storage)
storage.extend(o)
print(len(storage))
print(storage)
扩展
- 当你输入的参数为0时,默认按照1,2,3的顺序,对比二进制(从[0 0 0]到[1 1 1])的顺序进行打印
- 若想实现生成个数小于等于某个具体值的的子集,直接利用循环,多生成实例,进行操作即可