Python进阶用 Python 统计字数

Posted 云腾软件

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python进阶用 Python 统计字数相关的知识,希望对你有一定的参考价值。

问题描述:

用 Python 实现函数 count_words(),该函数输入字符串 s 和数字 n,返回 sn 个出现频率最高的单词。返回值是一个元组列表,包含出现次数最高的 n 个单词及其次数,即 [(<单词1>, <次数1>), (<单词2>, <次数2>), ... ],按出现次数降序排列。

您可以假设所有输入都是小写形式,并且不含标点符号或其他字符(只包含字母和单个空格)。如果出现次数相同,则按字母顺序排列。

例如:

print count_words("betty bought a bit of butter but the butter was bitter",3)

输出:

[(‘butter‘, 2), (‘a‘, 1), (‘betty‘, 1)]

解决问题的思路:

1. 将字符串s进行空白符分割得到所有的单词列表split_s,如:[‘betty‘, ‘bought‘, ‘a‘, ‘bit‘, ‘of‘, ‘butter‘, ‘but‘, ‘the‘, ‘butter‘, ‘was‘, ‘bitter‘]

2. 建立maplist,将split_s转化为元素为元组的列表形式,如:[(‘betty‘, 1), (‘bought‘, 1), (‘a‘, 1), (‘bit‘, 1), (‘of‘, 1), (‘butter‘, 1), (‘but‘, 1), (‘the‘, 1), (‘butter‘, 1), (‘was‘, 1), (‘bitter‘, 1)]

3. 合并maplist中元素,元组的第一个索引值相同,则将其第二个索引值相加。

// 备注:准备采用defaultdict。得到的数据如下:{‘betty‘: 1, ‘bought‘: 1, ‘a‘: 1, ‘bit‘: 1, ‘of‘: 1, ‘butter‘: 2, ‘but‘: 1, ‘the‘: 1, ‘was‘: 1, ‘bitter‘: 1}

4. 进行排序,按照key进行字母排序,得到如下:[(‘a‘, 1), (‘betty‘, 1), (‘bit‘, 1), (‘bitter‘, 1), (‘bought‘, 1), (‘but‘, 1), (‘butter‘, 2), (‘of‘, 1), (‘the‘, 1), (‘was‘, 1)]

5. 进行二次排序, 按照value进行排序,得到如下:[(‘butter‘, 2), (‘a‘, 1), (‘betty‘, 1), (‘bit‘, 1), (‘bitter‘, 1), (‘bought‘, 1), (‘but‘, 1), (‘of‘, 1), (‘the‘, 1), (‘was‘, 1)]

6. 使用切片取出频率较高的*组数据

总结:在python3上不进行defaultdict进行排序结果也是正确的,python2上不正确。defaultdict本身是没有顺序的,要区分列表,所以必须进行排序。

也可尝试自己写,不借助第三方模块

解决方案1(使用defaultdict):

技术分享图片
  1 from collections import defaultdict
  2 """Count words."""
  3 
  4 def count_words(s, n):
  5     """Return the n most frequently occuring words in s."""
  6     split_s = s.split()
  7     map_list = [(k,1) for k in split_s]
  8     output = defaultdict(int)
  9     for d in map_list:
 10         output[d[0]] += d[1]
 11     output1 = dict(output)
 12     top_n = sorted(output1.items(), key=lambda pair:pair[0], reverse=False)
 13     top_n = sorted(top_n, key=lambda pair:pair[1], reverse=True)
 14 
 15     return top_n[:n]
 16 
 17 
 18 def test_run():
 19     """Test count_words() with some inputs."""
 20     print(count_words("cat bat mat cat bat cat", 3))
 21     print(count_words("betty bought a bit of butter but the butter was bitter", 4))
 22 
 23 
 24 if __name__ == ‘__main__‘:
 25     test_run()
View Code

解决方案2(使用Counter)

技术分享图片
  1 from collections import Counter
  2 """Count words."""
  3 
  4 def count_words(s, n):
  5     """Return the n most frequently occuring words in s."""
  6     split_s = s.split()
  7     split_s = Counter(name for name in split_s)
  8     print(split_s)
  9     top_n = sorted(split_s.items(), key=lambda pair:pair[0], reverse=False)
 10     print(top_n)
 11     top_n = sorted(top_n, key=lambda pair:pair[1], reverse=True)
 12     print(top_n)
 13 
 14     return top_n[:n]
 15 
 16 
 17 def test_run():
 18     """Test count_words() with some inputs."""
 19     print(count_words("cat bat mat cat bat cat", 3))
 20     print(count_words("betty bought a bit of butter but the butter was bitter", 4))
 21 
 22 
 23 if __name__ == ‘__main__‘:
 24     test_run()
 25 
View Code

以上是关于Python进阶用 Python 统计字数的主要内容,如果未能解决你的问题,请参考以下文章

python 哈姆雷特 字数统计 词云

python 字数统计

运行 python mrjob 字数统计示例时出错

统计史记的字数

请问怎么用R语言正则表达式统计文章的单词数和中文字数,不能用程序包?

Python进阶:如何实现用 Python代码生成视频的缩略图