给定分组元素列表时，查找 hash 的所有可能排列

Question

展示我正在尝试做的事情的最佳方式：我有一个由有序元素组成的不同哈希列表，由下划线分隔。 每个元素可能有也可能没有其他可能的替换值。 在考虑替换值后，我正在尝试生成此 hash 的所有可能组合的列表。

示例：grouped_elements = [["1", "1a", "1b"], ["3", "3a"]] original_hash = "1_2_3_4_5"

我希望能够生成以下哈希列表：

[
 "1_2_3_4_5",
 "1a_2_3_4_5",
 "1b_2_3_4_5",
 "1_2_3a_4_5",
 "1a_2_3a_4_5",
 "1b_2_3a_4_5",
]

挑战在于大型数据帧需要这样做。

到目前为止，这就是我所拥有的：

def return_all_possible_hashes(df, grouped_elements)
    rows_to_append = []
    for grouped_element in grouped_elements:
        for index, row in enriched_routes[
            df["hash"].str.contains("|".join(grouped_element))
        ].iterrows():
            (element_used_in_hash,) = set(grouped_element) & set(row["hash"].split("_"))
            hash_used = row["hash"]
            replacement_elements = set(grouped_element) - set([element_used_in_hash])
            for replacement_element in replacement_elements:
                row["hash"] = stop_hash_used.replace(
                    element_used_in_hash, replacement_element
                )
                rows_to_append.append(row)

    return df.append(rows_to_append)

但问题是，这只会 append 散列与给定 grouped_element 的所有组合，而不是同时所有 grouped_elements 的所有组合。 所以使用上面的例子，我的 function 会返回：

[
 "1_2_3_4_5",
 "1a_2_3_4_5",
 "1b_2_3_4_5",
 "1_2_3a_4_5",
]

我觉得我离解决方案不远了，但我也觉得卡住了，所以非常感谢任何帮助！

Answer 1

如果您列出原始 hash 值的元素并用所有可能变化的列表替换每个元素，则可以使用itertools.product跨这些子列表获取笛卡尔积。 使用'_'.join()将结果的每个元素转换回字符串将为您提供可能的哈希列表：

from itertools import product


def possible_hashes(original_hash, grouped_elements):
    
    hash_list = original_hash.split('_')
    variations = list(set().union(*grouped_elements))
    
    var_list = hash_list.copy()
    for i, h in enumerate(hash_list):
        if h in variations:
            for g in grouped_elements:
                if h in g:
                    var_list[i] = g
                    break
        else:
            var_list[i] = [h]
                    
    return ['_'.join(h) for h in product(*var_list)]


possible_hashes("1_2_3_4_5", [["1", "1a", "1b"], ["3", "3a"]]) 

['1_2_3_4_5',
 '1_2_3a_4_5',
 '1a_2_3_4_5',
 '1a_2_3a_4_5',
 '1b_2_3_4_5',
 '1b_2_3a_4_5']

要在存储在 dataframe 列中的各种原始 hash 值上使用此 function，您可以执行以下操作：

df['hash'].apply(lambda x: possible_hashes(x, grouped_elements))