如何在python中执行此排序操作

Question

我正在创建一个模块来分析给定文本中分成句子的标记和定界符模式的频率。

我有一个“ SequencePattern”类，它标识一组标记化句子中的一个元素 （令牌或定界符），其中每个SequencePattern都有一个由元组（ n_sentence, n_element ）组成的列表属性“出现” n_sentence, n_element实际发生此特定元素的地方。 类SequencePattern具有一个类级别字段seq_patterns（一个set ），所有单独的SequencePattern实例都存储在该字段中。

在处理的这个阶段，我只有一个元素的SequencePatterns，并且已经淘汰了所有出现<2次的SequencePatterns。 但是SequencePattern是tuple的子类，现在的想法是找到“两个元素” SequencePatterns。

我接下来要做的是遍历除草后保留的所有一个元素的SequencePatterns，确定在同一句子中找到两个（或多个）相邻出现的点，即n_sentence相同且n_element相差1 。

因此，我需要按照以下步骤做一些事情：

occurrences_by_text_order = sorted( SequencePattern.seq_patterns.occurrences )

...但是这当然行不通：我明白了

AttributeError: 'set' object has no attribute 'occurences'

不知何故，我需要对seq_patterns中的所有SequencePatterns进行迭代，然后为每个迭代所有出现的“嵌套”迭代...并且我需要将此传递的元组质量（ n_sentence, n_element ）提交给sorted功能。

我不是经验丰富的Pythonista使用者，但我怀疑这是生成器（？）的工作。 有人可以帮忙吗？

Answer 1

def get_occurrences():
    for seq_patt in SequencePattern.seq_patterns:
        for occurrence in seq_patt.occurrences:
            yield occurrence
occurrences_by_text_order = sorted( get_occurrences() ) 

然后，下面的代码打印出可能会出现一次以上的所有两个元素序列的列表（我们现在知道在其他任何地方都不可能出现频率大于1的两个元素序列）：

prev_occurrence = None
for occurrence in sorted( occurrence for seq_patt in SequencePattern.seq_patterns for occurrence in seq_patt.occurrences ):
    if prev_occurrence and ( occurrence[ 0 ] == prev_occurrence[ 0 ] ) and ( occurrence[ 1 ] - prev_occurrence[ 1 ] == 1 ):  
        print( '# prev_occurrence %s occurrence: %s' % ( prev_occurrence, occurrence, ))
    prev_occurrence = occurrence