【Python进阶】用 Python 统计字数

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 s 中 n 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）：

  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()

解决方案2（使用Counter）

  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