これは、「文字列に部分文字列が含まれる」問題を (より多くの) 任意の型に一般化したものです。
シーケンス (リストやタプルなど) が与えられた場合、別のシーケンスがその中にあるかどうかを判断する最良の方法は何ですか? おまけとして、サブシーケンスが開始する要素のインデックスを返す必要があります。
使用例 (Sequence in Sequence):
>>> seq_in_seq([5,6], [4,'a',3,5,6])
3
>>> seq_in_seq([5,7], [4,'a',3,5,6])
-1 # or None, or whatever
これまでのところ、私は総当たりに頼っているだけで、遅く、醜く、不器用に思えます。
2番目にKnuth-Morris-Prattアルゴリズムを使用します。ちなみに、あなたの問題（およびKMPソリューション）は、Python Cookbook2ndeditionのレシピ5.13です。関連するコードはhttp://code.activestate.com/recipes/117214/にあります。
指定されたシーケンス内のすべての正しいサブシーケンスを検索し、イテレータとして使用する必要があります。
>>> for s in KnuthMorrisPratt([4,'a',3,5,6], [5,6]): print s
3
>>> for s in KnuthMorrisPratt([4,'a',3,5,6], [5,7]): print s
(nothing)
これはブルートフォースアプローチです（ @mcellaの回答O(n*m)に似ています）。小さな入力シーケンスの場合、純粋な Python での Knuth-Morris-Pratt アルゴリズムの実装( @Gregg Lind の回答を参照)よりも高速である可能性があります。O(n+m)
#!/usr/bin/env python
def index(subseq, seq):
"""Return an index of `subseq`uence in the `seq`uence.
Or `-1` if `subseq` is not a subsequence of the `seq`.
The time complexity of the algorithm is O(n*m), where
n, m = len(seq), len(subseq)
>>> index([1,2], range(5))
1
>>> index(range(1, 6), range(5))
-1
>>> index(range(5), range(5))
0
>>> index([1,2], [0, 1, 0, 1, 2])
3
"""
i, n, m = -1, len(seq), len(subseq)
try:
while True:
i = seq.index(subseq[0], i + 1, n - m + 1)
if subseq == seq[i:i + m]:
return i
except ValueError:
return -1
if __name__ == '__main__':
import doctest; doctest.testmod()
この場合、小はどれくらい大きいのだろうか？
簡単なアプローチ: 文字列に変換し、文字列の一致に依存します。
文字列のリストを使用した例:
>>> f = ["foo", "bar", "baz"]
>>> g = ["foo", "bar"]
>>> ff = str(f).strip("[]")
>>> gg = str(g).strip("[]")
>>> gg in ff
True
文字列のタプルを使用した例:
>>> x = ("foo", "bar", "baz")
>>> y = ("bar", "baz")
>>> xx = str(x).strip("()")
>>> yy = str(y).strip("()")
>>> yy in xx
True
数値のリストを使用した例:
>>> f = [1 , 2, 3, 4, 5, 6, 7]
>>> g = [4, 5, 6]
>>> ff = str(f).strip("[]")
>>> gg = str(g).strip("[]")
>>> gg in ff
True
文字列マッチングと同じこと... Knuth-Morris-Pratt 文字列マッチング
>>> def seq_in_seq(subseq, seq):
... while subseq[0] in seq:
... index = seq.index(subseq[0])
... if subseq == seq[index:index + len(subseq)]:
... return index
... else:
... seq = seq[index + 1:]
... else:
... return -1
...
>>> seq_in_seq([5,6], [4,'a',3,5,6])
3
>>> seq_in_seq([5,7], [4,'a',3,5,6])
-1
申し訳ありませんが、私はアルゴリズムの専門家ではありません。現時点で頭の中で考えられる最速の方法です。少なくとも (私にとっては) 見栄えがよく、楽しくコーディングできました。;-)
ほとんどの場合、ブルート フォース アプローチが行っていることと同じです。
別のKMP実装は次のとおりです。
from itertools import tee
def seq_in_seq(seq1,seq2):
'''
Return the index where seq1 appears in seq2, or -1 if
seq1 is not in seq2, using the Knuth-Morris-Pratt algorithm
based heavily on code by Neale Pickett <neale@woozle.org>
found at: woozle.org/~neale/src/python/kmp.py
>>> seq_in_seq(range(3),range(5))
0
>>> seq_in_seq(range(3)[-1:],range(5))
2
>>>seq_in_seq(range(6),range(5))
-1
'''
def compute_prefix_function(p):
m = len(p)
pi = [0] * m
k = 0
for q in xrange(1, m):
while k > 0 and p[k] != p[q]:
k = pi[k - 1]
if p[k] == p[q]:
k = k + 1
pi[q] = k
return pi
t,p = list(tee(seq2)[0]), list(tee(seq1)[0])
m,n = len(p),len(t)
pi = compute_prefix_function(p)
q = 0
for i in range(n):
while q > 0 and p[q] != t[i]:
q = pi[q - 1]
if p[q] == t[i]:
q = q + 1
if q == m:
return i - m + 1
return -1
小さなパターンの場合は力ずくで問題ない場合があります。
より大きなものについては、Aho-Corasick アルゴリズムを見てください。
パーティーには少し遅れましたが、文字列を使用した簡単なものを次に示します。
>>> def seq_in_seq(sub, full):
... f = ''.join([repr(d) for d in full]).replace("'", "")
... s = ''.join([repr(d) for d in sub]).replace("'", "")
... #return f.find(s) #<-- not reliable for finding indices in all cases
... return s in f
...
>>> seq_in_seq([5,6], [4,'a',3,5,6])
True
>>> seq_in_seq([5,7], [4,'a',3,5,6])
False
>>> seq_in_seq([4,'abc',33], [4,'abc',33,5,6])
True
Ilya V. Schurovが
指摘したように、この場合のfindメソッドは、複数文字の文字列または複数桁の数字を含む正しいインデックスを返しません。
セットを使用した別のアプローチ：
set([5,6])== set([5,6])&set([4,'a',3,5,6])
True