Оценка строк по булевым функциям истинности

Question

Я искал и до сих пор не понимаю, поэтому, пожалуйста, потерпите меня.

У меня есть строки, каждая из которых соответствует определенной матрице объектов .Примеры:

'a' = [-vegetable, +fruit, +apple, -orange]
'o' = [-vegetable, +fruit, -apple, +orange]
't' = [+vegetable, -fruit, -apple, -orange]

Обратите внимание, что это просто обозначение, которое я выбрал для представления здесь матриц.

Что я хочу сделать, это взять любое количество таких строк и сравнить их с некоторым количеством функций истинности.Таким образом, вычисление строки 'aoaot' в отношении:

[+fruit] => [+apple]
equivalently: (not [+fruit]) or [+apple]

должно возвращать количество раз, когда это значение ложно для данной строки.Либо что-то вроде этого:

[True, False, True, False, True]

Или абсолютный счетчик количества оценок в False, например, 2 здесь.Что было бы разумным способом сделать это в Python?Я смотрю в NLTK, но не уверен.

Answer 1

Если вы хотите иметь больше гибкости в своем собственном синтаксисе, вот простой анализатор для приведенных вами определений данных:

data = """\
a = [-vegetable, +fruit, +apple, -orange, -citrus] 
o = [-vegetable, +fruit, -apple, +orange, +citrus] 
t = [+vegetable, -fruit]"""

from pyparsing import Word, alphas, oneOf, Group, delimitedList

# a basic token for a word of alpha characters plus underscores
ident = Word(alphas + '_')

# define a token for leading '+' or '-', with parse action to convert to bool value
inclFlag = oneOf('+ -')
inclFlag.setParseAction(lambda t: t[0] == '+')

# define a feature as the combination of an inclFlag and a feature name
feature = Group(inclFlag('has') + ident('feature'))

# define a definition
defn = ident('name') + '=' + '[' + delimitedList(feature)('features') + ']'

# search through the input test data for defns, and print out the parsed data
# by name, and the associated features
defns = defn.searchString(data)
for d in defns:
    print d.dump()
    for f in d.features:
        print f.dump('  ')
    print

Печать:

['a', '=', '[', [False, 'vegetable'], [True, 'fruit'], [True, 'apple'], [False, 'orange'], [False, 'citrus'], ']']
- features: [[False, 'vegetable'], [True, 'fruit'], [True, 'apple'], [False, 'orange'], [False, 'citrus']]
- name: a
  [False, 'vegetable']
  - feature: vegetable
  - has: False
  [True, 'fruit']
  - feature: fruit
  - has: True
  [True, 'apple']
  - feature: apple
  - has: True
  [False, 'orange']
  - feature: orange
  - has: False
  [False, 'citrus']
  - feature: citrus
  - has: False

['o', '=', '[', [False, 'vegetable'], [True, 'fruit'], [False, 'apple'], [True, 'orange'], [True, 'citrus'], ']']
- features: [[False, 'vegetable'], [True, 'fruit'], [False, 'apple'], [True, 'orange'], [True, 'citrus']]
- name: o
  [False, 'vegetable']
  - feature: vegetable
  - has: False
  [True, 'fruit']
  - feature: fruit
  - has: True
  [False, 'apple']
  - feature: apple
  - has: False
  [True, 'orange']
  - feature: orange
  - has: True
  [True, 'citrus']
  - feature: citrus
  - has: True

['t', '=', '[', [True, 'vegetable'], [False, 'fruit'], ']']
- features: [[True, 'vegetable'], [False, 'fruit']]
- name: t
  [True, 'vegetable']
  - feature: vegetable
  - has: True
  [False, 'fruit']
  - feature: fruit
  - has: False

Pyparsing выполняет за вас большую часть служебной информации, например, перебирает входную строку, пропускает ненужные пробелы и возвращает проанализированные данные с использованием именованных атрибутов. Посмотрите булевский оценщик на вики-сайте pyparsing (SimpleBool.py) или более полный пакет булевых оценщиков booleano.

Answer 2

Вы можете реализовать необходимую логику, используя тип set.

m = {
    'a':set(['fruit', 'apple']),
    'o':set(['fruit', 'orange']),
    't':set(['vegetable'])
}

pred = lambda f: ('fruit' in f) <= ('apple' in f)

# True/False array
[ pred(m[f]) for f in 'aoaot' ]

# Number of falses
sum( not pred(m[f]) for f in 'aoaot' )