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。
python利用多种方式来统计词频(单词个数)