在Python中对frozenset进行二进制搜索的另一种选择。

Question

我需要在frozenset上进行二进制搜索，但由于索引在frozenset上不工作，所以我不能使用 bisect 库。我想把frozenset转换为一个列表，以方便工作，但问题是转换(list(frozenset))打乱了顺序，然后我就不能进行二进制搜索了。你有什么解决办法？为了更清楚，让我解释一下我到底在做什么。在一个NLP任务中，我需要从我的文本中删除停顿词，所以我从scikit-learn中导入了停顿词（在我看来，它有比NLTK更好的停顿词集合）。from sklearn.feature_extraction.text import ENGLISH_STOP_WORDS 它返回了一个frozenset，其中的停止词是按字母顺序排列的。现在我想从我的文本中删除停止符，最好使用二进制搜索检查停止符中是否有标记（很明显，因为我的停止符是按字母顺序排列的，进行二进制搜索很有效）。所以，它是如下的。

import bisect

bisect.bisect(ENGLISH_STOP_WORDS, word)

这就是我被卡住的地方！我希望用上面的代码在 stopwords 列表中找到所需的索引，然后将我的词与列表中前后的词进行比较。但是我得到了这个错误。TypeError: 'frozenset' object does not support indexing.

顺便说一下，我没有尝试过其他库的stopwords list（spaCy，gensim等），所以我不知道它们在这种情况下是否更好用。但这里主要是学习处理frozenset上的二进制搜索.先谢谢了。

Answer 1

如果你想知道这个词是否是停顿词，只需做。

if word in ENGLISH_STOP_WORDS:
    pass