Question

有一个名为Count的类。

def __init__(self, caters):
    self.form = collections.defaultdict(collection.Counter)
    self.caters = {caters: Catergory(caters) for caters in cats}

我从一些文件中读取信息并给它赋值，

def read_file(file_name, level, counters):
    data = open(file_name).read()
    counters.caters[level].docs.add(file_name)
    for token in blabla:
        counter.form[token][file_name] += 1

如果我想获得每个令牌的总频率而不管它在哪个文件中，我该怎么办？

如何获得特定级别的某个单词的频率，例如。令牌的名称是dog，level = 1，我想获得freq [dog] [1]？

Answer 1

和其他人一样，我不确定我是否有足够的背景来提供任何全面的内容。但是这一行：

counter.form[token][file_name] += 1

对我说，counter.form最终将包含每个token / file_name组合的单独计数。这可以通过您所说的计数器初始化来支持：

self.form = collections.defaultdict(collections.Counter)

这表示self.form是一个默认字典，其默认值是collection.Counter的实例（基本上defaultdict(int)有一些额外的方法，IIRC）。所以，基本上是一个二维计数器。

如果您想要令牌数量而不管他们所处的文件是什么，那么您基本上不希望file_name成为计数器的参数，并且计数器需要是1维的。所以我想把你的计数器的初始化改为：

self.form = collections.Counter()

并将您的计数递增至：

counter.form[token] += 1

根据程序其余部分的结构，您可能需要进行更多更改。但希望这会让你朝着正确的方向前进。

Answer 2

我使用collections.defaultdict（int）来计算令牌的实例。您可以在您感兴趣的所有文件中应用这样的代码，为每个文件使用相同的令牌计数器集合（在我的示例中为token_counts）：

token_counts = collections.defaultdict(int)
with open('foo.txt') as f:
    for line in f:
        for token in line.split():
            token_counts[token] += 1
for token, count in token_counts.items():
    print token, count

我必须承认我发现你的问题有点模糊。这是我对你要找的东西的最好猜测。

我该如何使用defaultdict？

2 个答案: