【Python進階】用 Python 統計字數

問題描述：

用 Python 實現函數 count_words()，該函數輸入字符串 s 和數字 n，返回 s 中 n 個出現頻率最高的單詞。返回值是一個元組列表，包含出現次數最高的 n 個單詞及其次數,即 [(<單詞1>, <次數1>), (<單詞2>, <次數2>), ... ]，按出現次數降序排列。

您可以假設所有輸入都是小寫形式，並且不含標點符號或其他字符（只包含字母和單個空格）。如果出現次數相同，則按字母順序排列。

例如：

print count_words("betty bought a bit of butter but the butter was bitter",3)

輸出：

[('butter', 2), ('a', 1), ('betty', 1)]

解決問題的思路：

1. 將字符串s進行空白符分割得到所有的單詞列表split_s，如：['betty', 'bought', 'a', 'bit', 'of', 'butter', 'but', 'the', 'butter', 'was', 'bitter']

2. 建立maplist,將split_s轉化為元素為元組的列表形式，如：[('betty', 1), ('bought', 1), ('a', 1), ('bit', 1), ('of', 1), ('butter', 1), ('but', 1), ('the', 1), ('butter', 1), ('was', 1), ('bitter', 1)]

3. 合並maplist中元素，元組的第一個索引值相同，則將其第二個索引值相加。

// 備注：准備采用defaultdict。得到的數據如下：{'betty': 1, 'bought': 1, 'a': 1, 'bit': 1, 'of': 1, 'butter': 2, 'but': 1, 'the': 1, 'was': 1, 'bitter': 1}

4. 進行排序，按照key進行字母排序，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. 進行二次排序, 按照value進行排序，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. 使用切片取出頻率較高的*組數據

總結：在python3上不進行defaultdict進行排序結果也是正確的，python2上不正確。defaultdict本身是沒有順序的，要區分列表，所以必須進行排序。

也可嘗試自己寫，不借助第三方模塊

解決方案1（使用defaultdict）：

from collections import defaultdict
"""Count words."""

def count_words(s, n):
    """Return the n most frequently occuring words in s."""
    split_s = s.split()
    map_list = [(k,1) for k in split_s]
    output = defaultdict(int)
    for d in map_list:
        output[d[0]] += d[1]
    output1 = dict(output)
    top_n = sorted(output1.items(), key=lambda pair:pair[0], reverse=False)
    top_n = sorted(top_n, key=lambda pair:pair[1], reverse=True)

    return top_n[:n]


def test_run():
    """Test count_words() with some inputs."""
    print(count_words("cat bat mat cat bat cat", 3))
    print(count_words("betty bought a bit of butter but the butter was bitter", 4))


if __name__ == '__main__':
    test_run()

解決方案2（使用Counter）

from collections import Counter
"""Count words."""

def count_words(s, n):
    """Return the n most frequently occuring words in s."""
    split_s = s.split()
    split_s = Counter(name for name in split_s)
    print(split_s)
    top_n = sorted(split_s.items(), key=lambda pair:pair[0], reverse=False)
    print(top_n)
    top_n = sorted(top_n, key=lambda pair:pair[1], reverse=True)
    print(top_n)

    return top_n[:n]


def test_run():
    """Test count_words() with some inputs."""
    print(count_words("cat bat mat cat bat cat", 3))
    print(count_words("betty bought a bit of butter but the butter was bitter", 4))


if __name__ == '__main__':
    test_run()