我如何编写一个程序，将字符串列表作为输入并返回一个字典，其中包含匹配字符串的单词索引

Question

规则：在字典中，每个键将是一个单词 k，而值将是单词 k 出现的输入字符串的索引列表。

单词应仅被视为小写。 即 Hello 和 hello 应该被同等对待。

可以假设数据集将只包含字符串列表。 无需检查数据集中元素的类型。

数据集中的字符串数据将是干净的。 无需担心清洁，即去除标点符号或数字。

在下面的示例中，该函数确定给定数据集中单词的索引是什么。 dataset 是包含字符串的列表。

reverse_index 函数应该创建并返回字典。

dataset = [
    "Hello world",
    "This is the WORLD",
    "hello again"
 ]
res = reverse_index(dataset)

# This assertion checks if the result equals the expected dictinary
assert(res == {
    'hello': [0, 2],
    'world': [0, 1],
    'this': [1],
    'is': [1],
    'the': [1],
    'again':[2]
  })

我不确定接下来要做什么，但这就是我开始的方式

dataset = [
    "Hello world",
    "This is the WORLD",
    "hello again"
 ] 

def reverse_index(dataset):

Answer 1

你可以试试这个方法

def reverse_index(data):
    res = dict()
    for i in range(len(data)):
        for word in map(str.lower,data[i].split()):
            if word not in res:
                res[word] = [i,]
            else:
                res[word].append(i)
    return res

输出：

{
    'hello': [0, 2],
    'world': [0, 1],
    'this': [1],
    'is': [1],
    'the': [1],
    'again':[2]
}

Answer 2

您可以使用collections.defaultdict作为基础和一个小循环：

from collections import defaultdict
res = defaultdict(list)
for i,s in enumerate(dataset):
    for w in set(map(str.lower, s.split())):
        res[w].append(i)
dict(res)

输出：

{'hello': [0, 2],
 'world': [0, 1],
 'is': [1],
 'the': [1],
 'this': [1],
 'again': [2]}