Jak sloučit dva seznamy v Pythonu pomocí zip a +

Tenhle kód slouží ke sloučení dvou samostatně získaných seznamů výsledků („autorská jména“ a „slova týkající se studií“) do jednoho seznamu pro každou zprávu. Podívejme se krok po kroku:

combined = []
for authors_list, studies_list in zip(raw_authors, raw_studies):
    combined.append(authors_list + studies_list)

1. raw_authors a raw_studies jsou oba seznamy, kde každá položka odpovídá jedné zprávě:

   • raw_authors[i] je seznam autorů, které jsme našli v i‑té zprávě.

   • raw_studies[i] jsou klíčová slova „studie/analýza“ z téže i‑té zprávy.

2. zip(raw_authors, raw_studies):

   • zip vezme dva (nebo více) seznamy a vrátí iterátor, který postupně dává dvojice prvků z každého seznamu se stejným indexem.

   • První iterace: vezme raw_authors[0] a raw_studies[0]

   • Druhá iterace: vezme raw_authors[1] a raw_studies[1]

   • A tak dále, až do konce kratšího z těch dvou původních seznamů.

3. for authors_list, studies_list in zip(...):

   • V každém kroku smyčky se authors_list rovná seznamu autorů z jedné zprávy a studies_list seznamu studií z té samé zprávy.

4. authors_list + studies_list:

   • V Pythonu se dva seznamy dájí sloučit operátorem +. Výsledkem je nový seznam, který obsahuje všechny položky z authors_list, a za ně všechny položky z studies_list.

5. combined.append(...):

   • Tento sloučený seznam (autoři i studie v jedné zprávě) se přidá jako další položka do seznamu combined.

Výsledek

• combined je seznam seznamů:

  combined = [
    ['Joshua Harris', 'Leslie Ludy', 'Studie'],
    ['John Alexander Dowie', 'Analýza'],
    ['Frank Sandford', 'Studie', 'Metaanalýza'],
    ...
  ]
  

  Každý vnitřní seznam obsahuje nejprve jména autorů a potom klíčová slova studií z jedné zprávy.

• Tyto sloučené položky pak můžeš naformátovat (format_message_results) a deduplikovat (deduplicate), aby ses v exportu vždy dozvěděl, kteří autoři a studie se v dané zprávě vyskytly.

Proč se to nemůže zapsat takto

for authors_list, studies_list in (raw_authors, raw_studies)?

Výborná otázka! 🔍

Krátká odpověď:
for authors_list, studies_list in (raw_authors, raw_studies) nejde použít, protože (raw_authors, raw_studies) je dvojice (tuple) dvou seznamů, ne dvojice položek.

---

📌 Co se opravdu děje ve dvou případech:

❌ Špatná verze:

for authors_list, studies_list in (raw_authors, raw_studies):

• (raw_authors, raw_studies) je n-tice dvou seznamů – tedy:

  ([...], [...])  # tuple
  

• Cyklus se pokusí iterovat přes tu n-tici, která má jen dvě položky:

  • První průchod: authors_list = raw_authors, ale studies_list = ??? – chybí!

  • Dojde k chybě: ValueError: not enough values to unpack (expected 2, got 1)

✅ Správná verze:

for authors_list, studies_list in zip(raw_authors, raw_studies):

• zip(raw_authors, raw_studies) vytvoří iterátor dvojic:

  [ (raw_authors[0], raw_studies[0]),
    (raw_authors[1], raw_studies[1]),
    ... ]
  

• Tohle je přesně to, co for authors_list, studies_list in ... očekává – dvojice na každém řádku smyčky.

---

🔎 Shrnutí:

Konstrukce	Co to znamená	Funkční?
(raw_authors, raw_studies)	Tuple dvou seznamů	❌ Ne
zip(raw_authors, raw_studies)	Iterátor dvojic (každá dvojice odpovídá indexu)	✅ Ano

---

Chceš-li, mohu ti to ukázat na mini příkladu s výpisem.