Você não está entendendo bem alguns conceitos de estruturas de dados aí, e o seu programa fica confuso. Vou tentar dar umas dicas, mas é importante você fazer uma pausa e digerir bem - de preferência indo para o modo interativo do Python e fazendo algumas operações de "tentativa e erro" até entender bem as coisas.
Não sei nem se consigo escrever em ordem de importância.
o que está gerando seu erro: Um objeto em Python é criado quando você o constrói - seja chamando sua classe, seja usando um literal como []
(que cria uma lista vazia). Você dá nomes para os objetos - esses nomes nós chamamos de variáveis. Quando você aponta uma outra variável para o mesmo objeto, ou coloca o mesmo objeto em várias listas diferentes, ou dicionários- ainda é o mesmo objeto. Você tem referências pra ele em vários lugares. No seu código você cria uma única lista vazia com o nome de array
, inicializa a mesma com alguns dados, e insere essa uma mesma lista em todos os seus "clusters". Quando essa lista sofre uma alteração, seja qual foi a forma que você chegou nela (se foi direto pela variável "array", se foi por um dos "clusters"), você altera aquela lista - a alteração vai ser visível não importa se você recupere a lista do "cluster1" ou do "cluster11", vai ser a mesma lista. Python tem operador is
que verifica se você tem referências para o mesmo objeto - se vocẽ fizer no final do seu método add palavra a comparação com is
de array com o último elemento inserido em qualquer um dos clusters, vai ver que retorna "True". E se alterar o "array", vai ver a mudança refletida em todos os clusters (que é o "problema" que você relatou). como resolver isso pontualmente: Adicione em cada cluster uma cópia da lista original, de nome array
, não ela mesma. Você pode criar uma cópia importando o módulo copy
do Python e usando a função copy
:
import copy
...
def add_palavra(...):
...
cluster1.append(copy.copy(array))
No caso específico de listas, você não precisa do copy.copy
para fazer uma cópia - a operação de recuperar um índice com fatias pode fazer isso - você pega uma "fatia" que vai do primeiro ao último elemento da lista (basta deixar em branco os índices de início e fim da fatia em volta dos :
) como em: cluster1.append(array[:])
.
É vital que antes de você continuar seu programa você vá num prompt interativo do Python, crie uma variável com uma lista, ponha a lista em outra variável e outras estruturas de dados, pona cópias da lista em outras variáveis, e experimente com o operador is
e a função id
. Nada va i substituir uns 40 minutos brincando com isso:
Exemplo:
In [1]: a = []
In [2]: b = a
In [3]: c = a[:]
In [4]: a.append("teste")
In [5]: a
Out[5]: ['teste']
In [6]: b
Out[6]: ['teste']
In [7]: c
Out[7]: []
In [8]: id(a), id(b), id(c)
Out[8]: (140510059971000, 140510059971000, 140510060067080)
Segunda coisa: "listas" em Python são "listas". Chama-las de array não é uma boa prática e podem confundir você - "array" é melhor utlizado para uma estrutura de dados que tenha elementos de tamanho uniforme, um em sequência do outro na memóra, e tamanho "mais ou menos" fixo (embora possa ser alterado). As listas em Python são compostas de objetos de qualquer tipo, e fundamentalmente podem mudar de tamanho.
Terceira coisa: variáveis globais não são em geral uma boa prática. Eu sou um autor controverso porque defendo o seu uso em vários contextos - uma vez que em Python elas são isoladas nos módulos (tem "namespace"), mas a forma que você está usando realmente é ruim.
Quarta coisa: Se você tem uma lista ou outro objeto mutável numa variável, não precisa declarar esse objeto como global
numa função em que vai mexer dentro desse objeto. Só precisa disso se vai reatribuir a variável a outro objeto. Ou seja - no seu caso, como os "clusters" já estão criados fora dos seus métodos, e você só vai adiconar elementos dentro dos mesmos, não precisa desse monte de declaração global
em cada função. Em Python uma variável global é acessada para leitura normalmente de dentro de uma função - quando você acessa a variável, o Python te retorna o objeto ao qual ela se refere (no caso, listas) - e você opera nessas listas.
Ou seja:
cluster1.append("teste")
não precisa que cluster1 seja declarado como global na função. Já cluster1 = ["teste"]
precisa -nesse caso um novo objeto do tipo lista é criado e associado à variável.
- quinta coisa - mas talvez a mais importante,e de vesse estar primeiro: A tarefa mais importante que os computadores fazem é poder repetir tarefas milhares de vezes. Você parece se esquecer disso ao criar 11 variáveis praticamente idênticas, sem nem um nome distinto e repetir dezenas de vezes as mesmas linhas ao lidar com elas. Você só precisa de uma variável
clusters
- ela mesma uma lista (possivelmente será melhor um dicionário) - e em cada ponto que você tiver que fazer uma operação em todos os clusters, usar um for
. Em cada ponto que for atuar sobre um cluster específico, usar o índice do mesmo. (Por isso pode ser melhor um dicionário, os clusters podem ser identificados por nomes mais significicativos que números de "1" a "11".).
COm essas consderações, seu método add_palavra
fica sendo apenas:
# Cria 11 listas distintas a serem usadas comoclusters:
clusters = [[] for _ in range(11)]
class Clustering:
def add_palavra(palavra):
array=[]
array.append(palavra)
array.append(0)
data.append(array[:])
for cluster in clusters:
cluster.append(array[:])
- sexta coisa: Aqui você está associando uma palavra e um número usando uma lista de 2 elementos - parece uma ideia ruim e provavelmente você deveria estar usando um dicionário em vez de uma lista de listas de 2 elementos. Ou seja, em vez de ter uma estrutura como
[['palavra1', 2], ['palavra2', 0]]
que você vai ter que percorrer linearmente para achar cada palavra correspondente, use direto um dicionário: {'palavra1': 2, 'palavra2': 0}
- Em Python dicionários tem sua chave encontrada em tempo constante pela linguagem,e você não precisa "programar" a busca de uma chave e alteração de seu valor. Da mesma forma que referências ao mesmo objeto, é importante você brincar com dicionários no prompt interativo até entende-los. (e se for usar dicionários só para armazenar o número de ocorrências de cada palavra, verifique a estrutura collections.Counter
- ela provê diversas facilidades para isso)
Então - pra começar as dicas são essas - é fundamental que você entenda o que está acontecendo, e não faça só as mudanças que indiquei.