暴力匹配（数据思维赛-安全文本信息抽取）

训练集有四列数据：

 id为序号，sentence_idx为语句的序号，words为从一条语句中解析出的单词，tag为每个word对应的tag标签。

 

test集给出前三列数据，求每一个word对应的tag数据。

 

经过观察，发现训练集和测试集有大量的重复数据，所以尝试使用硬匹配的方式给出一份数据：

import pandas as pd
import time

train_data = pd.read_csv('train.csv',converters={i: str for i in range(0, 100)})
test_data = pd.read_csv('test.csv',converters={i: str for i in range(0, 100)})

train_words = train_data['words'].values.tolist()
train_tag = train_data['tag'].values.tolist()
test_words = test_data['words'].values.tolist()

pred=[]
time_start=time.time()
for i in range(len(test_words)):
    if i%10000==0:
        print("***结束查找 ",i," 个")
        time_end=time.time()
        print("---执行了 ",time_end - time_start," 秒\n")
        time_start=time.time()
    x=test_words[i].lower()
    if x in train_words:
        j=train_words.index(x)
        pred.append(train_tag[j])
    else:
        pred.append(str(0))
    
test_data['tag']=pred

#test_data = pd.DataFrame({'id': test_data['id'], 'tag': pred})
test_data.to_csv('result.csv', index=False)