Question

给出以下列表：

<'Jellicle'，'猫'，'是'，'黑'，'和'，'白色'，'Jellicle'，'猫'，'是'，'宁可'，'小;'， 'Jellicle'，'Cats'，'are'，'merry'，'and'，'bright，'，'and'，'pleasant'，'to'，'hear'，'when'，'they'，' caterwaul。'，'Jellicle'，'猫'，'有'，'开朗'，'面孔'，'Jellicle'，'猫'，'有'，'明亮'，'黑'，'眼睛;'， '他们'，'喜欢'，'到'，'练习'，'他们'，'空气'，'和'，'增光'，'和'，'等'，'''，'''，'Jellicle '，'月亮'，'到'，'上升。'，'']

我正在尝试计算每个单词出现的次数，并显示前3个。

我对那些不以资本开头的话感兴趣。

如果一个单词出现多次，有时以资本开头而有时不出现，只计算它与资本的次数。

这就是我目前的代码：

words = ""
for word in open('novel.txt', 'rU'):
      words += word
words = words.split(' ')
words= list(words)
words = ('\n'.join(words)).split('\n')

word_counter = {}

for word in words:

        if word in word_counter:
            word_counter[word] += 1
        else:
            word_counter[word] = 1      
popular_words = sorted(word_counter, key = word_counter.get, reverse = True)
top_3 = popular_words[:3]

matches = []

for i in range(3):

      print word_counter[top_3[i]], top_3[i]

Answer 1

#uncomment to produce the word file
##words = ['Jellicle', 'Cats', 'are', 'black', 'and', 'white,', 'Jellicle', 'Cats', 'are', 'rather', 'small;', 'Jellicle', 'Cats', 'are', 'merry', 'and', 'bright,', 'And', 'pleasant', 'to', 'hear', 'when', 'they', 'caterwaul.', 'Jellicle', 'Cats', 'have', 'cheerful', 'faces,', 'Jellicle', 'Cats', 'have', 'bright', 'black', 'eyes;', 'They', 'like', 'to', 'practise', 'their', 'airs', 'and', 'graces', 'And', 'wait', 'for', 'the', 'Jellicle', 'Moon', 'to', 'rise.', '']
##open('novel.txt','w').write('\n'.join(words))

import string
cap_words = [word.strip(string.punctuation) for word in open('novel.txt').read().split() if word.istitle()]
##print(cap_words) # debug
try:
    from collections import Counter # Python >= 2.7
    print('Counter')
    print(Counter(cap_words).most_common(3))
except ImportError:
    print('Normal dict')
    wordcount= dict()
    for word in cap_words:
         wordcount[word] = (wordcount[word] + 1
                            if word in wordcount
                            else 1)
    print(sorted(wordcount.items(), key = lambda x: x[1], reverse = True)[:3])

我不明白为什么你想用'rU'模式保持不同类型的线路终端。正如我在上面的编辑代码中所写的那样，我会正常使用普通开放编辑：你有标点符号，所以用strip（）

清理那些

Answer 2

print "\n".join(sorted(["%d %s" % (lst.count(i), i) \
             for i in set(lst) if i.istitle()])[-3:])
2 And
5 Cats
6 Jellicle

Answer 3

以下是其他一些评论：

words = ""
for word in open('novel.txt', 'rU'):
      words += word
words = words.split(' ')
words= list(words)
words = ('\n'.join(words)).split('\n')

可以替换为：

text = open('novel.txt', 'rU').read() # read everything
wordlist = text.split() # split on all whitespace

但是你还没有使用'必须以大写字母开头'的要求。是时候添加：

capwordlist = (word for word in wordlist if word.istitle())

istitle()表示word[0].isupper() and word[1:].islower()。这意味着'SO'.istitle() -> False。

这可能适合你，但也许你只想要word[0].isupper()。

如果您不能使用collections.Counter（2.7中的新内容）

，则此部分很有用

word_counter = {}

for word in capwordlist:

        if word in word_counter:
            word_counter[word] += 1
        else:
            word_counter[word] = 1      
popular_words = sorted(word_counter, key = word_counter.get, reverse = True)
top_3 = popular_words[:3]

否则这只会变成：

from collections import Counter

word_counter = Counter(capwords)
top_3 = word_counter.most_common(3) # gives `word, count` pairs!

而且：

for i in range(3):
      print word_counter[top_3[i]], top_3[i]

可以是这样的：

for word in top_3:
    print word_counter[word], word

Answer 4

我要避免的一件事是在处理之前阅读所有单词。它会起作用，但恕我直言，如果你不需要，最好不要这样做，而你不需要。这是我的解决方案（从之前的元素中大量窃取的元素！），完成2.6.2：

import sys

# a generator function which iterates over the words in a file
def words(f):
    for line in f:
        for word in line.split():
            yield word

# returns a generator expression filtering an iterator down to titlecase words
def titles(s):
    return (word for word in s if word.istitle())

# count the titlecase words in the file
count = {}
for word in titles(words(file(sys.argv[1]))):
    count[word] = count.get(word, 0) + 1

# build a list of tuples with the count for each word
countsAndWords = [(kv[1], kv[0]) for kv in count.iteritems()]

# put them in decreasing order
countsAndWords.sort()
countsAndWords.reverse()

# print the top three
for count, word in countsAndWords[:3]:
    print word, count

我对计数进行了一种装饰 - 排序 - 不计量，而不是使用比较器进行排序，该计数器在计数字典中进行查找;它不那么优雅，但我相信它会更快。这可能是一件有罪的事情。

Answer 5

通常，单词[0] .isupper（）会在单词以大写字母开头时通知您。将它组合成列表理解（或你的循环）

[x for x in my_list if x[0].isupper()]

（假设没有空字符串）

你得到所有以大写字母开头的单词。

Answer 6

由于您没有使用Python2.7且没有Counter

from collections import defaultdict
counter = defaultdict(int)
words = ['Jellicle', 'Cats', 'are', 'black', 'and', 'white,', 'Jellicle', 'Cats', 'are', 'rather', 'small;', 'Jellicle', 'Cats', 'are', 'merry', 'and', 'bright,', 'And', 'pleasant', 'to', 'hear', 'when', 'they', 'caterwaul.', 'Jellicle', 'Cats', 'have', 'cheerful', 'faces,', 'Jellicle', 'Cats', 'have', 'bright', 'black', 'eyes;', 'They', 'like', 'to', 'practise', 'their', 'airs', 'and', 'graces', 'And', 'wait', 'for', 'the', 'Jellicle', 'Moon', 'to', 'rise.', '']
for word in (word for word in words if word[0].isupper()):
    counter[word]+=1
print counter

Answer 7

你可以使用itertools

import itertools

words = ['Jellicle', 'Cats', 'are', 'black', 'and', 'white,', 'Jellicle', 'Cats', 'are', 'rather', 'small;', 'Jellicle', 'Cats', 'are', 'merry', 'and', 'bright,', 'And', 'pleasant', 'to', 'hear', 'when', 'they', 'caterwaul.', 'Jellicle', 'Cats', 'have', 'cheerful', 'faces,', 'Jellicle', 'Cats', 'have', 'bright', 'black', 'eyes;', 'They', 'like', 'to', 'practise', 'their', 'airs', 'and', 'graces', 'And', 'wait', 'for', 'the', 'Jellicle', 'Moon', 'to', 'rise.', '']
capwords = (word for word in words if len(word) > 1 and word[0].isupper())
capwordssorted = sorted(capwords)
wordswithcounts = ((k,len(list(g))) for (k,g) in itertools.groupby(capwordssorted))
print sorted(wordswithcounts,key=lambda x:x[1],reverse=True)[:3]

查找列表的常见元素

7 个答案: