python的思维就是让我们用尽可能少的代码来解决问题。对于词频的统计,就代码层面而言,实现的方式也是有很多种的。之所以单独谈到统计词频这个问题,是因为它在统计和数据挖掘方面经常会用到,尤其是处理分类问题上。故在此做个简单的记录。
统计的材料如下:
1
2
3
4
5
|
document = [
'look' , 'into' , 'my' , 'eyes' , 'look' , 'into' , 'my' , 'eyes' ,
'the' , 'eyes' , 'the' , 'eyes' , 'the' , 'eyes' , 'not' , 'around' , 'the' ,
'eyes' , "don't" , 'look ', ' around ', ' the ', ' eyes ', ' look ', ' into',
'my' , 'eyes' , "you're" , 'under']
|
直接使用dict来进行统计(遍历+循环)
1
2
3
4
5
6
|
word_count = {}
for word in document:
if word in word_count:
word_count[word] + = 1
else :
word_count[word] = 1
|
更优雅的实现方式
1
2
3
4
5
6
7
|
#假如字典中不存在给定的键,则返回参数中提供的默认值;反之,则返回字典中保存的值。
for word in document:
previous_count = word_count.get(word, 0 )
word_count[word] = previous_count + 1
#可以合并成一行
for word in document:
word_count[word] = word_count.setdefault(word, 0 ) + 1
|
使用defalutdict来实现
1
2
3
4
5
|
# 使用collections中的defalutdict来实现,defalutdict是一种值可以默认设置的dict
from collections import defaultdict
word_count = defaultdict( int )
for word in document:
word_count[word] + = 1
|
使用Counter
1
|
word_counter = Counter(document)
|
Counter既然是一个计数器,那么它本身也就具有很多统计的方法。例如,最常见的词频统计的排序,可以获得前n个最高的词频。
1
2
|
# 返回前n个最高词频,以字典的形式
word_counter.most_common(n)
|
显然,使用defalutdict和Counter代码最简洁,更能符合python开发之道。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。
原文链接:https://www.cnblogs.com/Sinte-Beuve/p/6571717.html