Skip to main content
1 de 6
FJSevilla
  • 62.1k
  • 7
  • 43
  • 68

Tienes un error en los argumentos que pasas a SequenceMatcher:

similitud_nombre = SequenceMatcher(None, nombre_rol1[0], nombre_rol2[0]).ratio()
similitud_rol = SequenceMatcher(None, nombre_rol1[1], nombre_rol2[1]).ratio()

Las variables nombre_rol1 y nombre_rol2 no son las sublistas, es el primer item de cada una fruto del desempaquetado hecho en el for, debe ser:

similitud_nombre = SequenceMatcher(None, nombre_rol1, nombre_rol2).ratio()
similitud_rol = SequenceMatcher(None, rol1, rol2).ratio()

Es decir:

from difflib import SequenceMatcher

def eliminar_similares(lista):
    nueva_lista = []
    eliminados = set()

    for i, (nombre_rol1, rol1) in enumerate(lista):
        if i not in eliminados:
            nueva_lista.append([nombre_rol1, rol1])
            
            for j, (nombre_rol2, rol2) in enumerate(lista[i + 1:], start=i + 1):
                if j not in eliminados:
                    #Calcular la relación de similitud entre dos cadenas de texto (devuelven un valor entre 0 y 1). 
                    #En este caso, se aplica a los elementos de las sublistas nombre_rol1 y nombre_rol2 en las posiciones [0], que corresponden a los nombres.
                    similitud_nombre = SequenceMatcher(None, nombre_rol1, nombre_rol2).ratio()
                    #En este caso, se aplica a los elementos de las sublistas nombre_rol1 y nombre_rol2 en las posiciones [1], que corresponden a los roles.
                    similitud_rol = SequenceMatcher(None, rol1, rol2).ratio()
                    if similitud_nombre > 0.85 and similitud_rol > 0.85:
                        eliminados.add(j)
    return nueva_lista

Que da como salida:

[['Santino', 'hijo'], ['Shion Uzaki', 'madre'], ['Lorentz', 'padre'], ['Ricardo Marino', 'esposo'], ['Marcelo', 'tío'], ['Lamtztnh', 'padre'], ['Ritoko Ai', 'hija'], ['Ritako AI', 'hija'], ['Marcela', 'tía'], ['Shion Usuki', 'madre']]

Observa que ['Marcela', 'tía'] no se elimina, no es problema del algoritmo de la funcion, es que:

>>> SequenceMatcher(None, "tio", "tia").ratio()
0.6666666666666666

Cambia solo una letra, pero es una letra de una palabra de tres letras.

FJSevilla
  • 62.1k
  • 7
  • 43
  • 68