如何将此元组列表更改为以下格式？

Question

我正在尝试更改以下元组：

[((' "business_id": "zPBccKsIHYtLUGFNYIi8Uw"', ' "business_id": "znDUBjt-m2qmXi_p3m3rDA"'), 0.09523809523809523),((' "business_id": "zauhMY78k36XPfxD3GURkQ"', ' "business_id": "zp-K5s3pGTWuuaVBWo6WZA"'), 0.07407407407407407)]

为这种格式：

{'b1': 'zPBccKsIHYtLUGFNYIi8Uw', 'b2': "znDUBjt-m2qmXi_p3m3rDA', 'sim': 0.09523809523809523}

我尝试将其更改为字典（这是不可能的，因为它不知道如何分配键和值）和列表，但似乎没有任何点击。

我目前正在使用 Python 通过以下方式将元组写入输出文件：

fout = open(outfilePath, mode = 'w')
fwriter = csv.writer(fout, delimiter = ',', quoting = csv.QUOTE_MINIMAL)


for pair in similarPairs:
    fwriter.writerow([ str(pair[0][0]), str(pair[0][1]), pair[1]])
fout.close()

我正在使用阈值 >=0.055 的 Jaccard 相似度查找相似对：

## Computing the Jaccard Similarity for the candidate pairs.
similarPairs = candidatePairs.map(lambda currPair : computeJC(currPair, ratedBusinessUsers)).filter(lambda f : f[1] >= 0.055).collect()

如何更改我的输出写入以获得我想要的格式？

Answer 1

从你编写代码的文件来看，你的元组格式似乎是一致的，所以如果这是真的，那是微不足道的：

x = ((' "business_id": "zPBccKsIHYtLUGFNYIi8Uw"', ' "business_id": "znDUBjt-m2qmXi_p3m3rDA"'), 0.09523809523809523)
yy = {}
yy['b1'] = x[0][0].split(':')[1].strip('" ')
yy['b2'] = x[0][1].split(':')[1].strip('" ')
yy['sim'] = x[1]

您知道元组中所有成员的位置，因此获取您想要的值，删除多余的引号和空格，然后将其全部打包到字典中。

Answer 2

如果您的元组保持这种格式，那么您需要进行一些字符串解析，以便从元组的第一个元素中获取 ID。 split 是这种情况下最好的方法。对于您当前的格式，此代码有效，但您绝对可以将其推广到其他情况。

def fix_tuple(tup):
  ids = tup[0]
  id1 = ids[0].split('"')[-2]
  id2 = ids[1].split('"')[-2]
  return {'b1':id1,'b2':id2,'sim':tup[1]}

进行中：

tup = ((' "business_id": "zPBccKsIHYtLUGFNYIi8Uw"', ' "business_id": "znDUBjt-m2qmXi_p3m3rDA"'), 0.09523809523809523)
print(fix_tuple(tup))
# Output: {'b1': 'zPBccKsIHYtLUGFNYIi8Uw', 'b2': 'znDUBjt-m2qmXi_p3m3rDA', 'sim': 0.09523809523809523}

Answer 3

import re

KV_RE = re.compile(r'"(?P<key>[^"]+)":\s*"(?P<value>[^"]+)"')
getvalue = lambda kv: match.group("value") if (match := KV_RE.search(kv)) else None

def dict_from_pair(pair):
    ((kv1, kv2), sim) = pair
    return dict(b1=getvalue(kv1), b2=getvalue(kv2), sim=sim)

pair = ((' "business_id": "zPBccKsIHYtLUGFNYIi8Uw"', ' "business_id": "znDUBjt-m2qmXi_p3m3rDA"'), 0.09523809523809523)

print(dict_from_pair(pair))
# {'b1': 'zPBccKsIHYtLUGFNYIi8Uw', 'b2': 'znDUBjt-m2qmXi_p3m3rDA', 'sim': 0.09523809523809523}

如何将此元组列表更改为以下格式？

How do I change this list of tuples to the following format?

python

data-mining