python - 用字典中的单词收集引理

我有一个格式的文本文件

word lemma
word lemma
word lemma

这样地

workers  work
went     go
going    go
work     work
working  work

我要做的是用dict收集引理和它的单词，所以输出结果如下

{work: workers, work, working}
{go: went, going}

我试过这个

mydict = {}
for line in myfile.splitlines():
    lemma = line.split()[1]
    word = line.split()[0]
    mydict[lemma] = word

但此代码提供以下输出：

{'work': 'working', 'go': 'going'}

有人能帮忙吗？

最佳答案

你的代码几乎是正确的！问题是mydict[lemma] = word将覆盖与word相关联的任何现有的lemma s。实际上，每个引理都可以有一个以上的单词与之关联，所以我们真正想要做的是将新单词添加到集合中，而不是重写现有的值。建模的自然方法是使用字符串列表的dict，而不是字符串的dict。

mydict = {}
for line in myfile.splitlines():
    word, lemma = line.split()
    if lemma in mydict:
        mydict[lemma].append(word)
    else:
        mydict[lemma] = [word]

这句话是什么意思？如果if中已有给定lemma的条目，则将其添加到列表中。如果还没有，我们用一个单子列表初始化条目。
我还冒昧地使用了Python的语法来解包序列。mydict相当于word, lemma = line.split()。
Python的一个优点是许多简单的任务由标准库提供。这种用例正是标准库word = line.split()[0]; lemma = line.split()[1]的设计目的。使用下标运算符（defaultdict）索引到defaultdict时，如果找不到值，则使用您提供的函数创建该值。在这里，我们告诉dict[x]初始化一个新列表。

from collections import defaultdict
mydict = defaultdict(list)

现在代码更简单了，因为defaultdict负责为我们检查defaultdict。它总是会给我们一个（可能是空的）列表，我们可以添加这个词。

for line in myfile.splitlines():
    word, lemma = line.split()
    mydict[lemma].append(word)

在一条评论中，您建议不要在输出中重复if lemma in mydicts。标准库在这方面也有帮助。word是一个有点像列表的数据结构，只是它不记得元素的顺序，并且它会自动删除重复项。（在引擎盖下，它的工作方式类似于只有键而没有值的set。）
我们只需要将dict函数从defaultdict更改为list，并将set方法更改为在appends上工作的版本（称为set）

from collections import defaultdict
mydict = defaultdict(set)

for line in myfile.splitlines():
    word, lemma = line.split()
    mydict[lemma].add(word)