def feature_to_vector(self):
"""
创建并初始化ont-hot向量：从csv中读取药物数据，然后将功效特征转换为one-hot向量
:return:
"""
self.data, self.series = get_data(medicine_path)
# print("data:", self.data)
# print("series:", self.series)
root_2_word = root_to_word(thesaurus_path) # 获取同义词根到词的映射字典
# print("root_2_word", len(root_2_word), root_2_word)
word_2_root = word_to_root(thesaurus_path) # 获取词到同义词根的映射字典
# print("word_2_root", len(word_2_root), word_2_root)
# 创建并初始化一个DataFrame存储one-hot向量，第一行的列索引为词根
self.df = pd.DataFrame(np.zeros((len(self.series), len(root_2_word))), columns=root_2_word.keys())
for indexs in self.series.index: # series去掉了nan值，index是不连贯的,所以用这种方法遍历
item_str = self.series[indexs]
if item_str == '':
continue
# item_list = item_str.strip().split() # 针对以空格作为分隔符的症状数据
item_list = re.split("、|；", item_str) # 针对以“、”作为分隔符的功效数据
for item in item_list:
if item in word_2_root:
# 找到每个功效特征词的词根，然后在one-hot向量的相应索引处进行激活
self.df[word_2_root[item]].loc[indexs] = 1
else:
print(item) # 输出没有匹配的词，进行人工处理
# 删除没有任何匹配的词根
max_value = self.df.max() # 返回df中每一列的最大值
# print("max_value:", max_value)
drop_list = list(max_value[max_value == 0].index) # 找到最大值为0的列的索引（即没有出现过的词根）
# print("drop_list:", len(drop_list))
self.df = self.df.drop(drop_list, axis=1) # 删除未出现过的词根
def search_relatives(function_to_medicine, medicine_index,
medicines_to_taste_label):
"""
基于聚类结果寻找药物的相似药物
:param function_to_medicine:基于功效团的聚类结果
:param medicine_index:需要寻找相似药物的目标药物所在索引
:param medicines_to_taste_label:药物到性味归经标签的映射字典
:return:relatives_list目标药物的相似药物列表
"""
relatives_list = [] # 用于保存相似药物的列表
data, series = get_data(medicine_path) # data为完整药物数据，series为功效数据
medicine_label = data["Label"].loc[medicine_index] # 获取目标药物在性味归经聚类结果中的标签
function_list = re.split(
"、|；", data["Function"].loc[medicine_index]) # 获取目标药物的功效列表
function_set = set(function_list)
print("function_set:", function_set)
for group in function_to_medicine.keys(): # 遍历字典中的功效团
# 若功效团是目标药物功效的子集或者目标药物功效是功效团的子集，则认为该药物属于该功效团，与该功效图案中的药物有相似的可能性
if set(group).issubset(function_set) or function_set.issubset(
set(group)):
# 若功效团是目标药物功效的子集，则认为该药物属于该功效团，与该功效图案中的药物有相似的可能性
# if set(group).issubset(function_set):
medicine_list = function_to_medicine[tuple(group)] # 获取属于该功效团的药物列表
# print("medicine_list:", medicine_list)
# 遍历属于功效团的药物列表，若基于性味归经的聚类结果的标签相同，则认为目标药物和该药物相似
for i in medicine_list:
if medicines_to_taste_label[
i] == medicine_label and medicines_to_taste_label[
i] != medicine_index:
relatives_list.append(i) # 添加相似药物的名称
relatives_list = set(relatives_list) # 去除重复项
print("relatives_list:", relatives_list)
return relatives_list
def word_to_index(word):
"""
根据药物名称获取其在药物数据中的索引
:param word:药物名称
:return:
"""
data, series = get_data(medicine_path) # data为完整药物数据
index = data.loc[data["名称"] == word].index[0]
return index
def main(is_cluster=False, search_all=False):
"""
主函数，根据is_cluster进行聚类或者相似药物的寻找
:param is_cluster: 决定是进行聚类，还是根据聚类结果搜索目标药物的相似药物
:param search_all: 决定是否输出所有药物的相似药物到文件中
:return:
"""
if is_cluster: # 若需要进行聚类
cluster()
else: # 若需要进行相似药物寻找
with open(function_to_medicine_path, 'rb') as f:
function_to_medicine_dict = pickle.load(f) # 加载聚类结果
print("function_to_medicine:", function_to_medicine_dict)
with open(all_medicines_cluster_path, "rb") as f:
all_medicines_cluster = pickle.load(f) # 加载所有被聚类的药物
with open(medicines_to_taste_label_path, "rb") as f:
medicines_to_taste_label = pickle.load(f)
all_medicines_cluster = set(all_medicines_cluster)
if search_all:
data, _ = get_data(medicine_path)
length = data.shape[0]
# all_relatives = pd.DataFrame(np.zeros((length, 2)), columns=["药物名称", "相似药物"])
all_medicine_word_list = []
all_relatives_list = []
for i in range(length):
medicine_word = data["名称"].loc[i]
all_medicine_word_list.append(medicine_word)
if medicine_word not in all_medicines_cluster:
all_relatives_list.append("无相似药物")
else:
medicine = word_to_index(medicine_word) # 获取目标药物在总药物数据中的索引
relatives_list = search_relatives(
function_to_medicine_dict, medicine,
medicines_to_taste_label) # 获得药物的相似药物的索引列表
all_relatives_list.append("、".join(relatives_list))
# all_relatives["药物名称"].loc[i] = medicine_word
# all_relatives["相似药物"].loc[i] = "、".join(relatives_list)
# all_relatives.to_csv(all_relatives_path, encoding="utf-8")
all_medicine_word_series = pd.Series(all_medicine_word_list,
name="药物名称")
all_relatives_series = pd.Series(all_relatives_list, name="相似药物")
series_list = [all_medicine_word_series, all_relatives_series]
all_relatives_data = pd.concat(series_list, axis=1)
all_relatives_data.to_csv(all_relatives_path,
index=False,
encoding="utf-8")
else:
medicine_word = "川贝母" # 目标药物
medicine = word_to_index(medicine_word) # 获取目标药物在总药物数据中的索引
relatives_list = search_relatives(
function_to_medicine_dict, medicine,
medicines_to_taste_label) # 获得药物的相似药物的索引列表
return relatives_list