Question

我正在尝试从数据集中创建一个表，该数据集应该能够提供数据集中的单词以及重复它们的次数。

例如：

数据集：{ moon, moon, moon, sun }

表格（最终结果）：

('moon') ==> 3
('sun') ==> 1

我想使用字典并使用键进行播放，因此如果在迭代期间找到已经是键的单词，请不要将其添加到字典中（应该代表表）但是增加数值

word_table = {}

for word in document.split():
    if word in word_table:
        word_table[word, somevalue] += 1
    else:
        word_table[word, somevalue] = 1

somevalue是我与该词一起存储的辅助键。此值可以是是或否。我提到这个是因为我不确定这是否会导致问题（或更好，我想要比较的特定键的选择）。

当我打印整个字典时，我得到一个很长的单词列表作为键（程序不检测重复）和计数器中的所有1。

输出：

('moon', 'yes') ==> 1
('moon', 'yes') ==> 1
('moon', 'yes') ==> 1
.........

我是否应该针对此特定情况使用其他方法或数据结构？或者它只是代码？

Answer 1

collections.Counter可能就是你要找的东西：

>>> from collections import Counter
>>> Counter("moon,moon,moon,sun".split(","))
Counter({'moon': 3, 'sun': 1})

Answer 2

你的字典键是一个元组是好的（虽然在你的帖子中它不清楚为什么你要点他的）。您需要做的就是确保在if声明中检查该元组：

word_table = {}

for word in document.split():
    if (word,somevalue) in word_table:
        word_table[word, somevalue] += 1
    else:
        word_table[word, somevalue] = 1

Answer 3

我认为您需要的结构是集合包中的counter结构。你只需将它提供给你的单词列表，就会得到一个充满单词和计数的字典结构。

检查密钥是否属于字典，避免再次存储并增加计数器

3 个答案: