python利用多种方式来统计词频（单词个数）

Python  /  管理员 发布于 7年前   461

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：

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）

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

#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

# 使用collections中的defalutdict来实现，defalutdict是一种值可以默认设置的dictfrom collections import defaultdictword_count = defaultdict(int)for word in document:  word_count[word] += 1

使用Counter

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。

# 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。