素人の言語処理100本ノック:06

言語処理100本ノック 2015の挑戦記録です。環境はUbuntu 16.04 LTS ＋ Python 3.5.2 :: Anaconda 4.1.1 (64-bit)です。過去のノックの一覧はこちらからどうぞ。

第1章: 準備運動

06.集合

"paraparaparadise"と"paragraph"に含まれる文字bi-gramの集合を，それぞれ, XとYとして求め，XとYの和集合，積集合，差集合を求めよ．さらに，'se'というbi-gramがXおよびYに含まれるかどうかを調べよ．

出来上がったコード：

main.py

# coding: utf-8


def n_gram(target, n):
    '''指定されたリストからn-gramを作成

    引数:
    target -- 対象リスト
    n -- n-gramのn値（1ならuni-gram、2ならbi-gram...）
    戻り値:
    gramのリスト
    '''
    result = []
    for i in range(0, len(target) - n + 1):
        result.append(target[i:i + n])

    return result


# 集合の作成
set_x = set(n_gram('paraparaparadise', 2))
print('X:' + str(set_x))
set_y = set(n_gram('paragraph', 2))
print('Y:' + str(set_y))

# 和集合
set_or = set_x | set_y
print('和集合:' + str(set_or))

# 積集合
set_and = set_x & set_y
print('積集合:' + str(set_and))

# 差集合
set_sub = set_x - set_y
print('差集合(X - Y):' + str(set_sub))
set_sub = set_y - set_x
print('差集合(Y - X):' + str(set_sub))

# 'se'が含まれるか？
print('seがXに含まれる:' + str('se' in set_x))
print('seがYに含まれる:' + str('se' in set_y))

実行結果：

端末

X:{'se', 'ap', 'pa', 'is', 'di', 'ar', 'ra', 'ad'}
Y:{'ag', 'ap', 'pa', 'ra', 'ph', 'ar', 'gr'}
和集合:{'ag', 'se', 'ap', 'pa', 'is', 'ph', 'di', 'ar', 'ra', 'gr', 'ad'}
積集合:{'ar', 'ap', 'pa', 'ra'}
差集合(X - Y):{'se', 'is', 'di', 'ad'}
差集合(Y - X):{'ph', 'gr', 'ag'}
seがXに含まれる:True
seがYに含まれる:False

---

n_gram()は前問の使い回しです。

先輩方の回答には、set.union()、 set.intersection()、 set.difference()を使われているものが多いですね。そちらの方が可読性が高いということですが、英語が苦手な私は|や&や-の方が直感的なので、こちらにしてみました。

それにしても、こんなところでparaparaparadiseが出てくるとは^^
　
7本目のノックは以上です。誤りなどありましたら、ご指摘いただけますと幸いです。