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的到,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:
文档=[
‘看’,‘进’,‘我’,‘眼睛’,‘看’,‘进’,‘我’,‘眼睛’,
“的”、“眼睛”、“‘,‘眼睛’,‘的’,‘眼睛’,‘不’,‘大约’,‘的’,
“眼睛”,“不”、“看”、“左右”,“的”,“眼睛”,“看”、“成”,
“我的”,“眼睛”,“你”,“下”)
之前
直接使用dict来进行统计(遍历+循环)
word_count={}
词的文档:
如果在word_count词:
word_count[词]+=1
其他:
word_count[词]=1
之前
更优雅的实现方式
#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。
词的文档:
previous_count=word_count。get(词,0)
word_count[词]=previous_count + 1
#可以合并成一行
词的文档:
word_count[词]=word_count。setdefault(词,0)+ 1
之前
使用defalutdict来实现
#使用集合中的defalutdict来实现,defalutdict是一种值可以默认设置的字典
从进口defaultdict集合
word_count=defaultdict (int)
词的文档:
word_count[词]+=1
之前
使用计数器
word_counter=计数器(文档)
计数器既然是一个计数器,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。
#返回前n个最高词频,以字典的形式
word_counter.most_common (n)
之前
显然,使用defalutdict和计数器代码最简洁,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。
