Question

对于我的作业，我需要在文本中隔离最常见的50个单词。我已经尝试了很多东西，在我最近的尝试中，我使用了这一点做了一致：

concordance = {}

lineno = 0

for line in vocab:

    lineno = lineno + 1

    words = re.findall(r'[A-Za-z][A-Za-z\'\-]*', line)
    for word in words: 
        word = word.title()
        if word in concordance:
            concordance[word].append(lineno)
        else: 
            concordance[word] = [lineno]
listing = []

for key in sorted(concordance.keys()):

    listing.append( [key, concordance[key] ])

我想知道的是，我是否可以按照最常用单词的顺序对最常用词进行排序，然后隔离并打印前50个？我不允许导入re和sys以外的任何模块，我很难找到解决方案。

Answer 1

sorted是内置版，不需要导入。尝试类似：

list(sorted(concordance.items(), key = lambda (k,v): v))[:50]

未经测试，但您明白了。

list构造函数在那里，因为sorted返回一个生成器，你无法直接切片（itertools提供了一个实用程序来执行此操作，但是你无法导入它）

可能会有更有效的方法来获得前50个，但我怀疑这里有什么问题。

Answer 2

几点提示：

在for循环中使用enumerate(list)一次获取行号和行。
尝试使用\w在正则表达式中使用单词字符，而不是列出[A-Za-z...]。
了解dict.items()方法。它将返回(key, value)对的列表。
使用list.sort(key=function_to_compare_two_items)操作该列表。
您可以使用lambda定义该功能，但这不是必需的。
使用len(list)函数获取列表的长度。您可以使用它来获取单词的匹配数（存储在列表中）。
更新：是的，并使用切片获取结果列表的一部分。 list[:50]获取前50个项目（相当于list[0:50]），list[5:10]获取从索引5包含到索引10的项目。
要打印它们，请循环显示结果列表，然后打印每个单词。或者，您可以使用与print '[separator]'.join(list)类似的内容来打印字符串，其中所有项目都以“[separator]”分隔。

祝你好运。

排序一致性？

2 个答案: