私の入力はリストのリストです。それらのいくつかは、共通の要素を共有しています。
L = [['a','b','c'],['b','d','e'],['k'],['o','p'],['e','f'],['p','a'],['d','g']]
共通の要素を共有するすべてのリストをマージし、同じアイテムを持つリストがなくなるまでこの手順を繰り返す必要があります。ブール演算とwhileループを使用することを考えましたが、適切な解決策を思い付くことができませんでした。
最終結果は次のようになります。
L = [['a','b','c','d','e','f','g','o','p'],['k']]
リストは、グラフの表記として表示できます。つまり['a','b','c']、3つのノードが相互に接続されたグラフです。解決しようとしている問題は、このグラフで連結成分を見つけることです。
これにはNetworkXを使用できます。これには、正しいことがほぼ保証されているという利点があります。
l = [['a','b','c'],['b','d','e'],['k'],['o','p'],['e','f'],['p','a'],['d','g']]
import networkx
from networkx.algorithms.components.connected import connected_components
def to_graph(l):
G = networkx.Graph()
for part in l:
# each sublist is a bunch of nodes
G.add_nodes_from(part)
# it also imlies a number of edges:
G.add_edges_from(to_edges(part))
return G
def to_edges(l):
"""
treat `l` as a Graph and returns it's edges
to_edges(['a','b','c','d']) -> [(a,b), (b,c),(c,d)]
"""
it = iter(l)
last = next(it)
for current in it:
yield last, current
last = current
G = to_graph(l)
print connected_components(G)
# prints [['a', 'c', 'b', 'e', 'd', 'g', 'f', 'o', 'p'], ['k']]
これを自分で効率的に解決するには、とにかくリストをグラフっぽいものに変換する必要があるため、最初からnetworkXを使用することをお勧めします。
アルゴリズム：
したがって、リストの代わりにセットを使用することをお勧めします。次のプログラムがそれを行うはずです。
l = [['a', 'b', 'c'], ['b', 'd', 'e'], ['k'], ['o', 'p'], ['e', 'f'], ['p', 'a'], ['d', 'g']]
out = []
while len(l)>0:
first, *rest = l
first = set(first)
lf = -1
while len(first)>lf:
lf = len(first)
rest2 = []
for r in rest:
if len(first.intersection(set(r)))>0:
first |= set(r)
else:
rest2.append(r)
rest = rest2
out.append(first)
l = rest
print(out)
かなり大きなリストに対して、OPによって何百万回も記述されたクラスタリング手法を実行する必要があったため、上記で提案した方法のどれが最も正確で最もパフォーマンスが高いかを判断したいと思いました。
上記の各方法で2^1から2^10のサイズの入力リストに対して10回の試行を実行し、各方法で同じ入力リストを使用して、上記で提案した各アルゴリズムの平均実行時間をミリ秒単位で測定しました。結果は次のとおりです。
これらの結果は、一貫して正しい結果を返すメソッドの中で、@jochenが最速であることを確認するのに役立ちました。一貫して正しい結果を返さないメソッドの中で、makのソリューションにはすべての入力要素が含まれていないことが多く（つまり、リストメンバーのリストが欠落している）、braaksma、cmangla、およびアスタリスクのソリューションが最大限にマージされるとは限りません。 。
2つの最速で正しいアルゴリズムが、適切にランク付けされた順序で、これまでの上位2つの賛成票を持っていることは興味深いことです。
テストの実行に使用されるコードは次のとおりです。
from networkx.algorithms.components.connected import connected_components
from itertools import chain
from random import randint, random
from collections import defaultdict, deque
from copy import deepcopy
from multiprocessing import Pool
import networkx
import datetime
import os
##
# @mimomu
##
def mimomu(l):
l = deepcopy(l)
s = set(chain.from_iterable(l))
for i in s:
components = [x for x in l if i in x]
for j in components:
l.remove(j)
l += [list(set(chain.from_iterable(components)))]
return l
##
# @Howard
##
def howard(l):
out = []
while len(l)>0:
first, *rest = l
first = set(first)
lf = -1
while len(first)>lf:
lf = len(first)
rest2 = []
for r in rest:
if len(first.intersection(set(r)))>0:
first |= set(r)
else:
rest2.append(r)
rest = rest2
out.append(first)
l = rest
return out
##
# Nx @Jochen Ritzel
##
def jochen(l):
l = deepcopy(l)
def to_graph(l):
G = networkx.Graph()
for part in l:
# each sublist is a bunch of nodes
G.add_nodes_from(part)
# it also imlies a number of edges:
G.add_edges_from(to_edges(part))
return G
def to_edges(l):
"""
treat `l` as a Graph and returns it's edges
to_edges(['a','b','c','d']) -> [(a,b), (b,c),(c,d)]
"""
it = iter(l)
last = next(it)
for current in it:
yield last, current
last = current
G = to_graph(l)
return list(connected_components(G))
##
# Merge all @MAK
##
def mak(l):
l = deepcopy(l)
taken=[False]*len(l)
l=map(set,l)
def dfs(node,index):
taken[index]=True
ret=node
for i,item in enumerate(l):
if not taken[i] and not ret.isdisjoint(item):
ret.update(dfs(item,i))
return ret
def merge_all():
ret=[]
for i,node in enumerate(l):
if not taken[i]:
ret.append(list(dfs(node,i)))
return ret
result = list(merge_all())
return result
##
# @cmangla
##
def cmangla(l):
l = deepcopy(l)
len_l = len(l)
i = 0
while i < (len_l - 1):
for j in range(i + 1, len_l):
# i,j iterate over all pairs of l's elements including new
# elements from merged pairs. We use len_l because len(l)
# may change as we iterate
i_set = set(l[i])
j_set = set(l[j])
if len(i_set.intersection(j_set)) > 0:
# Remove these two from list
l.pop(j)
l.pop(i)
# Merge them and append to the orig. list
ij_union = list(i_set.union(j_set))
l.append(ij_union)
# len(l) has changed
len_l -= 1
# adjust 'i' because elements shifted
i -= 1
# abort inner loop, continue with next l[i]
break
i += 1
return l
##
# @pillmuncher
##
def pillmuncher(l):
l = deepcopy(l)
def connected_components(lists):
neighbors = defaultdict(set)
seen = set()
for each in lists:
for item in each:
neighbors[item].update(each)
def component(node, neighbors=neighbors, seen=seen, see=seen.add):
nodes = set([node])
next_node = nodes.pop
while nodes:
node = next_node()
see(node)
nodes |= neighbors[node] - seen
yield node
for node in neighbors:
if node not in seen:
yield sorted(component(node))
return list(connected_components(l))
##
# @NicholasBraaksma
##
def braaksma(l):
l = deepcopy(l)
lists = sorted([sorted(x) for x in l]) #Sorts lists in place so you dont miss things. Trust me, needs to be done.
resultslist = [] #Create the empty result list.
if len(lists) >= 1: # If your list is empty then you dont need to do anything.
resultlist = [lists[0]] #Add the first item to your resultset
if len(lists) > 1: #If there is only one list in your list then you dont need to do anything.
for l in lists[1:]: #Loop through lists starting at list 1
listset = set(l) #Turn you list into a set
merged = False #Trigger
for index in range(len(resultlist)): #Use indexes of the list for speed.
rset = set(resultlist[index]) #Get list from you resultset as a set
if len(listset & rset) != 0: #If listset and rset have a common value then the len will be greater than 1
resultlist[index] = list(listset | rset) #Update the resultlist with the updated union of listset and rset
merged = True #Turn trigger to True
break #Because you found a match there is no need to continue the for loop.
if not merged: #If there was no match then add the list to the resultset, so it doesnt get left out.
resultlist.append(l)
return resultlist
##
# @Rumple Stiltskin
##
def stiltskin(l):
l = deepcopy(l)
hashdict = defaultdict(int)
def hashit(x, y):
for i in y: x[i] += 1
return x
def merge(x, y):
sums = sum([hashdict[i] for i in y])
if sums > len(y):
x[0] = x[0].union(y)
else:
x[1] = x[1].union(y)
return x
hashdict = reduce(hashit, l, hashdict)
sets = reduce(merge, l, [set(),set()])
return list(sets)
##
# @Asterisk
##
def asterisk(l):
l = deepcopy(l)
results = {}
for sm in ['min', 'max']:
sort_method = min if sm == 'min' else max
l = sorted(l, key=lambda x:sort_method(x))
queue = deque(l)
grouped = []
while len(queue) >= 2:
l1 = queue.popleft()
l2 = queue.popleft()
s1 = set(l1)
s2 = set(l2)
if s1 & s2:
queue.appendleft(s1 | s2)
else:
grouped.append(s1)
queue.appendleft(s2)
if queue:
grouped.append(queue.pop())
results[sm] = grouped
if len(results['min']) < len(results['max']):
return results['min']
return results['max']
##
# Validate no more clusters can be merged
##
def validate(output, L):
# validate all sublists are maximally merged
d = defaultdict(list)
for idx, i in enumerate(output):
for j in i:
d[j].append(i)
if any([len(i) > 1 for i in d.values()]):
return 'not maximally merged'
# validate all items in L are accounted for
all_items = set(chain.from_iterable(L))
accounted_items = set(chain.from_iterable(output))
if all_items != accounted_items:
return 'missing items'
# validate results are good
return 'true'
##
# Timers
##
def time(func, L):
start = datetime.datetime.now()
result = func(L)
delta = datetime.datetime.now() - start
return result, delta
##
# Function runner
##
def run_func(args):
func, L, input_size = args
results, elapsed = time(func, L)
validation_result = validate(results, L)
return func.__name__, input_size, elapsed, validation_result
##
# Main
##
all_results = defaultdict(lambda: defaultdict(list))
funcs = [mimomu, howard, jochen, mak, cmangla, braaksma, asterisk]
args = []
for trial in range(10):
for s in range(10):
input_size = 2**s
# get some random inputs to use for all trials at this size
L = []
for i in range(input_size):
sublist = []
for j in range(randint(5, 10)):
sublist.append(randint(0, 2**24))
L.append(sublist)
for i in funcs:
args.append([i, L, input_size])
pool = Pool()
for result in pool.imap(run_func, args):
func_name, input_size, elapsed, validation_result = result
all_results[func_name][input_size].append({
'time': elapsed,
'validation': validation_result,
})
# show the running time for the function at this input size
print(input_size, func_name, elapsed, validation_result)
pool.close()
pool.join()
# write the average of time trials at each size for each function
with open('times.tsv', 'w') as out:
for func in all_results:
validations = [i['validation'] for j in all_results[func] for i in all_results[func][j]]
linetype = 'incorrect results' if any([i != 'true' for i in validations]) else 'correct results'
for input_size in all_results[func]:
all_times = [i['time'].microseconds for i in all_results[func][input_size]]
avg_time = sum(all_times) / len(all_times)
out.write(func + '\t' + str(input_size) + '\t' + \
str(avg_time) + '\t' + linetype + '\n')
そしてプロットのために：
library(ggplot2)
df <- read.table('times.tsv', sep='\t')
p <- ggplot(df, aes(x=V2, y=V3, color=as.factor(V1))) +
geom_line() +
xlab('number of input lists') +
ylab('runtime (ms)') +
labs(color='') +
scale_x_continuous(trans='log10') +
facet_wrap(~V4, ncol=1)
ggsave('runtimes.png')
共通の値を持つリストをマージしようとする同じ問題に遭遇しました。この例はあなたが探しているものかもしれません。リストを1回だけループし、結果セットを更新します。
lists = [['a','b','c'],['b','d','e'],['k'],['o','p'],['e','f'],['p','a'],['d','g']]
lists = sorted([sorted(x) for x in lists]) #Sorts lists in place so you dont miss things. Trust me, needs to be done.
resultslist = [] #Create the empty result list.
if len(lists) >= 1: # If your list is empty then you dont need to do anything.
resultlist = [lists[0]] #Add the first item to your resultset
if len(lists) > 1: #If there is only one list in your list then you dont need to do anything.
for l in lists[1:]: #Loop through lists starting at list 1
listset = set(l) #Turn you list into a set
merged = False #Trigger
for index in range(len(resultlist)): #Use indexes of the list for speed.
rset = set(resultlist[index]) #Get list from you resultset as a set
if len(listset & rset) != 0: #If listset and rset have a common value then the len will be greater than 1
resultlist[index] = list(listset | rset) #Update the resultlist with the updated union of listset and rset
merged = True #Turn trigger to True
break #Because you found a match there is no need to continue the for loop.
if not merged: #If there was no match then add the list to the resultset, so it doesnt get left out.
resultlist.append(l)
print resultlist
resultset = [['a', 'b', 'c', 'd', 'e', 'g', 'f', 'o', 'p'], ['k']]
これは、問題をグラフとしてモデル化することで解決できると思います。各サブリストはノードであり、2つのサブリストに共通の要素がある場合にのみ、別のノードとエッジを共有します。したがって、マージされたサブリストは、基本的にグラフ内の連結成分です。それらすべてをマージすることは、単にすべての接続されたコンポーネントを見つけてそれらをリストすることの問題です。
これは、グラフを単純にトラバースすることで実行できます。BFSとDFSの両方を使用できますが、ここでは少し短いのでDFSを使用しています。
l = [['a','b','c'],['b','d','e'],['k'],['o','p'],['e','f'],['p','a'],['d','g']]
taken=[False]*len(l)
l=[set(elem) for elem in l]
def dfs(node,index):
taken[index]=True
ret=node
for i,item in enumerate(l):
if not taken[i] and not ret.isdisjoint(item):
ret.update(dfs(item,i))
return ret
def merge_all():
ret=[]
for i,node in enumerate(l):
if not taken[i]:
ret.append(list(dfs(node,i)))
return ret
print(merge_all())
Jochen Ritzelが指摘したように、グラフで連結成分を探しています。グラフライブラリを使用せずに実装する方法は次のとおりです。
from collections import defaultdict
def connected_components(lists):
neighbors = defaultdict(set)
seen = set()
for each in lists:
for item in each:
neighbors[item].update(each)
def component(node, neighbors=neighbors, seen=seen, see=seen.add):
nodes = set([node])
next_node = nodes.pop
while nodes:
node = next_node()
see(node)
nodes |= neighbors[node] - seen
yield node
for node in neighbors:
if node not in seen:
yield sorted(component(node))
L = [['a','b','c'],['b','d','e'],['k'],['o','p'],['e','f'],['p','a'],['d','g']]
print list(connected_components(L))
グラフ理論と連結成分の問題であるため、networkxライブラリを使用できます。
import networkx as nx
L = [['a','b','c'],['b','d','e'],['k'],['o','p'],['e','f'],['p','a'],['d','g']]
G = nx.Graph()
#Add nodes to Graph
G.add_nodes_from(sum(L, []))
#Create edges from list of nodes
q = [[(s[i],s[i+1]) for i in range(len(s)-1)] for s in L]
for i in q:
#Add edges to Graph
G.add_edges_from(i)
#Find all connnected components in graph and list nodes for each component
[list(i) for i in nx.connected_components(G)]
出力：
[['p', 'c', 'f', 'g', 'o', 'a', 'd', 'b', 'e'], ['k']]
itertoolsはリストをマージするための高速なオプションであり、この問題を解決しました。
import itertools
LL = set(itertools.chain.from_iterable(L))
# LL is {'a', 'b', 'c', 'd', 'e', 'f', 'g', 'k', 'o', 'p'}
for each in LL:
components = [x for x in L if each in x]
for i in components:
L.remove(i)
L += [list(set(itertools.chain.from_iterable(components)))]
# then L = [['k'], ['a', 'c', 'b', 'e', 'd', 'g', 'f', 'o', 'p']]
大規模なセットの場合、LLを頻度で最も一般的な要素から最も少ない要素に並べ替えると、処理速度が少し向上します。
非風変わりなバージョンが恋しいです。2018年に投稿します（7年後）
簡単で不安定なアプローチ：
1）共通の要素の場合は両方をマージするデカルト積（クロス結合）を作成します
2）重複を削除します
#your list
l=[['a','b','c'],['b','d','e'],['k'],['o','p'],['e','f'],['p','a'],['d','g']]
#import itertools
from itertools import product, groupby
#inner lists to sets (to list of sets)
l=[set(x) for x in l]
#cartesian product merging elements if some element in common
for a,b in product(l,l):
if a.intersection( b ):
a.update(b)
b.update(a)
#back to list of lists
l = sorted( [sorted(list(x)) for x in l])
#remove dups
list(l for l,_ in groupby(l))
#result
[['a', 'b', 'c', 'd', 'e', 'f', 'g', 'o', 'p'], ['k']]
私の試み。機能的に見えます。
#!/usr/bin/python
from collections import defaultdict
l = [['a','b','c'],['b','d','e'],['k'],['o','p'],['e','f'],['p','a'],['d','g']]
hashdict = defaultdict(int)
def hashit(x, y):
for i in y: x[i] += 1
return x
def merge(x, y):
sums = sum([hashdict[i] for i in y])
if sums > len(y):
x[0] = x[0].union(y)
else:
x[1] = x[1].union(y)
return x
hashdict = reduce(hashit, l, hashdict)
sets = reduce(merge, l, [set(),set()])
print [list(sets[0]), list(sets[1])]
これは、依存関係のないかなり高速なソリューションです。次のように機能します。
各生存者に一意の参照番号を割り当てます（この場合、サブリストの初期インデックス）
各サブリスト、および各サブリストの各アイテムの参照要素のディクショナリを作成します。
変更がなくなるまで、次の手順を繰り返します。
3a。各サブリストの各項目に目を通します。そのアイテムの現在の参照番号がそのサブリストの参照番号と異なる場合、要素は2つのリストの一部である必要があります。2つのリストをマージし（現在のサブリストを参照から削除します）、現在のサブリスト内のすべてのアイテムの参照番号を新しいサブリストの参照番号に設定します。
この手順で変更が発生しない場合は、すべての要素が1つのリストの一部であるためです。ワーキングセットのサイズは反復ごとに減少するため、アルゴリズムは必然的に終了します。
def merge_overlapping_sublists(lst):
output, refs = {}, {}
for index, sublist in enumerate(lst):
output[index] = set(sublist)
for elem in sublist:
refs[elem] = index
changes = True
while changes:
changes = False
for ref_num, sublist in list(output.items()):
for elem in sublist:
current_ref_num = refs[elem]
if current_ref_num != ref_num:
changes = True
output[current_ref_num] |= sublist
for elem2 in sublist:
refs[elem2] = current_ref_num
output.pop(ref_num)
break
return list(output.values())
このコードの一連のテストは次のとおりです。
def compare(a, b):
a = list(b)
try:
for elem in a:
b.remove(elem)
except ValueError:
return False
return not b
import random
lst = [["a", "b"], ["b", "c"], ["c", "d"], ["d", "e"]]
random.shuffle(lst)
assert compare(merge_overlapping_sublists(lst), [{"a", "b", "c", "d", "e"}])
lst = [["a", "b"], ["b", "c"], ["f", "d"], ["d", "e"]]
random.shuffle(lst)
assert compare(merge_overlapping_sublists(lst), [{"a", "b", "c",}, {"d", "e", "f"}])
lst = [["a", "b"], ["k", "c"], ["f", "g"], ["d", "e"]]
random.shuffle(lst)
assert compare(merge_overlapping_sublists(lst), [{"a", "b"}, {"k", "c"}, {"f", "g"}, {"d", "e"}])
lst = [["a", "b", "c"], ["b", "d", "e"], ["k"], ["o", "p"], ["e", "f"], ["p", "a"], ["d", "g"]]
random.shuffle(lst)
assert compare(merge_overlapping_sublists(lst), [{"k"}, {"a", "c", "b", "e", "d", "g", "f", "o", "p"}])
lst = [["a", "b"], ["b", "c"], ["a"], ["a"], ["b"]]
random.shuffle(lst)
assert compare(merge_overlapping_sublists(lst), [{"a", "b", "c"}])
戻り値はセットのリストであることに注意してください。
あなたが何を望んでいるのか全くわからないので、私はあなたが何を意味しているのかを推測することにしました：私はすべての要素を一度だけ見つけたいのです。
#!/usr/bin/python
def clink(l, acc):
for sub in l:
if sub.__class__ == list:
clink(sub, acc)
else:
acc[sub]=1
def clunk(l):
acc = {}
clink(l, acc)
print acc.keys()
l = [['a', 'b', 'c'], ['b', 'd', 'e'], ['k'], ['o', 'p'], ['e', 'f'], ['p', 'a'], ['d', 'g']]
clunk(l)
出力は次のようになります。
['a', 'c', 'b', 'e', 'd', 'g', 'f', 'k', 'o', 'p']
これはおそらくより単純で高速なアルゴリズムであり、うまく機能しているようです-
l = [['a', 'b', 'c'], ['b', 'd', 'e'], ['k'], ['o', 'p'], ['e', 'f'], ['p', 'a'], ['d', 'g']]
len_l = len(l)
i = 0
while i < (len_l - 1):
for j in range(i + 1, len_l):
# i,j iterate over all pairs of l's elements including new
# elements from merged pairs. We use len_l because len(l)
# may change as we iterate
i_set = set(l[i])
j_set = set(l[j])
if len(i_set.intersection(j_set)) > 0:
# Remove these two from list
l.pop(j)
l.pop(i)
# Merge them and append to the orig. list
ij_union = list(i_set.union(j_set))
l.append(ij_union)
# len(l) has changed
len_l -= 1
# adjust 'i' because elements shifted
i -= 1
# abort inner loop, continue with next l[i]
break
i += 1
print l
# prints [['k'], ['a', 'c', 'b', 'e', 'd', 'g', 'f', 'o', 'p']]
簡単に言えば、クイック検索を使用できます。
重要なのは、2つの一時リストを使用することです。1つ目は要素と呼ばれ、すべてのグループに存在するすべての要素を格納します。2番目はlabelsという名前です。sklearnのkmeansアルゴリズムからインスピレーションを得ました。'labels'は、要素のラベルまたは図心を格納します。ここでは、クラスターの最初の要素を図心とします。最初は、値は0からlength-1までの昇順です。
グループごとに、「要素」に「インデックス」を取得します。次に、インデックスに従ってグループのラベルを取得します。そして、ラベルの最小値を計算します。これがラベルの新しいラベルになります。新しいラベルを持つグループのラベルで、すべての要素をラベルに置き換えます。
つまり、反復ごとに、2つ以上の既存のグループを組み合わせようとします。グループに0と2のラベルがある場合、新しいラベル0を見つけます。これは、2つの最小値です。私はそれらを0に置き換えます。
def cluser_combine(groups):
n_groups=len(groups)
#first, we put all elements appeared in 'gruops' into 'elements'.
elements=list(set.union(*[set(g) for g in groups]))
#and sort elements.
elements.sort()
n_elements=len(elements)
#I create a list called clusters, this is the key of this algorithm.
#I was inspired by sklearn kmeans implementation.
#they have an attribute called labels_
#the url is here:
#https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html
#i called this algorithm cluster combine, because of this inspiration.
labels=list(range(n_elements))
#for each group, I get their 'indices' in 'elements'
#I then get the labels for indices.
#and i calculate the min of the labels, that will be the new label for them.
#I replace all elements with labels in labels_for_group with the new label.
#or to say, for each iteration,
#i try to combine two or more existing groups.
#if the group has labels of 0 and 2
#i find out the new label 0, that is the min of the two.
#i than replace them with 0.
for i in range(n_groups):
#if there is only zero/one element in the group, skip
if len(groups[i])<=1:
continue
indices=list(map(elements.index, groups[i]))
labels_for_group=list(set([labels[i] for i in indices]))
#if their is only one label, all the elements in group are already have the same label, skip.
if len(labels_for_group)==1:
continue
labels_for_group.sort()
label=labels_for_group[0]
#combine
for k in range(n_elements):
if labels[k] in labels_for_group[1:]:
labels[k]=label
new_groups=[]
for label in set(labels):
new_group = [elements[i] for i, v in enumerate(labels) if v == label]
new_groups.append(new_group)
return new_groups
私はあなたの質問の詳細な結果を印刷しました：
cluser_combine([['a','b','c'],['b','d','e'],['k'],['o','p'],['e','f'],['p','a'],['d','g']])
要素：
['a'、'b'、'c'、'd'、'e'、'f'、'g'、'k'、'o'、'p']
ラベル：
[0、1、 2、3、4、5、6、7、8、9 ]
--------------------グループ0------------ -------------
グループは次のとおりです。
['a'、'b'、'c']組み合わせ [0、1の前の要素 [0、1、2] ラベル
のグループのインデックス、2、3、4、5、6、7、8、9] 組み合わせ... 組み合わせ後のラベル [0、0、0、3、4、5、6、7、8、9] ----- ---------------グループ1------------------------- グループは次のとおりです： ['b' 、'd'、'e'] 要素 [1、3、4] 組み合わせ前のラベル [0、0、0、3、4、5、6、7、8、9]
組み合わせ...
組み合わせ後のラベル
[0、0、0、0、0、5、6、7、8、9]
--------------------グループ2 -------------------------
グループは次のとおりです：
['k']
---------------- ----グループ3-------------------------
グループは次のとおりです。
['o'、'p']
要素内のグループのインデックス
[8、9]
組み合わせ前のラベル
[0、0、0、0、0、5、6、7、8、9]
組み合わせ...
組み合わせ後のラベル
[0、0、0、0、0、5、6 、7、8、8]
--------------------グループ4--------------------- ----
グループは次のとおりです。
['e'、'f']要素 [4、5]
のグループのインデックス
組み合わせ前のラベル[0、0、0、0、0、5、6、7、8、8
]
組み合わせ...
組み合わせ後のラベル
[0、0、0、0、0、0、6、7、8、 8] --------------------
グループ5-------------------------
グループは次のとおりです。
['p'、'a']結合前
の要素
[9、0]
ラベルのグループのインデックス[
0、0、0、0、0、0、6、7、8、8]
結合。 。
組み合わせ後のラベル
[0、0、0、0、0、0、6、7、0、0]
--------------------グループ6--- ----------------------
グループは次のとおりです。
['d'、'g']結合前
の要素
[3、6]
ラベルのグループのインデックス
[0、0、0、0、0、0、6、7、0、0]
組み合わせ...
組み合わせ後のラベル
[0、0、0、0、0、0、0、7、0、0]
（ [0、0、0、0、0、0、0、7、0、0]、
[['a'、'b'、'c'、'd'、'e'、'f'、'g '、' o'、' p']、[' k']]）
詳細については、私のgithubjupyterノートブックを参照してください
これが私の答えです。
orig = [['a','b','c'],['b','d','e'],['k'],['o','p'],['e','f'],['p','a'],['d','g'], ['k'],['k'],['k']]
def merge_lists(orig):
def step(orig):
mid = []
mid.append(orig[0])
for i in range(len(mid)):
for j in range(1,len(orig)):
for k in orig[j]:
if k in mid[i]:
mid[i].extend(orig[j])
break
elif k == orig[j][-1] and orig[j] not in mid:
mid.append(orig[j])
mid = [sorted(list(set(x))) for x in mid]
return mid
result = step(orig)
while result != step(result):
result = step(result)
return result
merge_lists(orig)
[['a', 'b', 'c', 'd', 'e', 'f', 'g', 'o', 'p'], ['k']]