python的思維就是讓我們用盡可能少的代碼來解決問題。對于詞頻的統計，就代碼層面而言，實現的方式也是有很多種的。之所以單獨談到統計詞頻這個問題，是因為它在統計和數據挖掘方面經常會用到，尤其是處理分類問題上。故在此做個簡單的記錄。
統計的材料如下：
|
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來進行統計（遍歷+循環）
|
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 |
更優雅的實現方式
|
1
2
3
4
5
6
7
|
#假如字典中不存在給定的鍵，則返回參數中提供的默認值；反之，則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來實現
|
1
2
3
4
5
|
# 使用collections中的defalutdict來實現，defalutdict是一種值可以默認設置的dictfrom collections import defaultdictword_count = defaultdict(int)for word in document: word_count[word] += 1 |
使用Counter
|
1
|
word_counter = Counter(document) |
Counter既然是一個計數器，那么它本身也就具有很多統計的方法。例如，最常見的詞頻統計的排序，可以獲得前n個最高的詞頻。
|
1
2
|
# 返回前n個最高詞頻，以字典的形式word_counter.most_common(n) |
顯然，使用defalutdict和Counter代碼最簡潔，更能符合python開發之道。
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持服務器之家。
原文鏈接：https://www.cnblogs.com/Sinte-Beuve/p/6571717.html
