计算列表中单词的频率并按频率排序

我正在使用Python 3.3

我需要创建两个列表，一个用于唯一词，另一个用于词频。

我必须根据频率列表对唯一单词列表进行排序，以使频率最高的单词在列表中排在首位。

我有文本设计，但是不确定如何在Python中实现它。

到目前为止，我发现的方法都使用了Counter我们还没有学过的词典。我已经从包含所有单词的文件中创建了列表，但是不知道如何找到列表中每个单词的频率。我知道我需要循环才能执行此操作，但无法弄清楚。

这是基本设计：

 original list = ["the", "car",....]
 newlst = []
 frequency = []
 for word in the original list
       if word not in newlst:
           newlst.append(word)
           set frequency = 1
       else
           increase the frequency
 sort newlst based on frequency list 

用这个

from collections import Counter
list1=['apple','egg','apple','banana','egg','apple']
counts = Counter(list1)
print(counts)
# Counter({'apple': 3, 'egg': 2, 'banana': 1})

您可以使用

from collections import Counter

它支持Python 2.7，在这里阅读更多信息

1。

>>>c = Counter('abracadabra')
>>>c.most_common(3)
[('a', 5), ('r', 2), ('b', 2)]

使用字典

>>>d={1:'one', 2:'one', 3:'two'}
>>>c = Counter(d.values())
[('one', 2), ('two', 1)]

但是，您必须先读取文件，然后转换为dict。

2.这是python docs示例，使用re和Counter

# Find the ten most common words in Hamlet
>>> import re
>>> words = re.findall(r'\w+', open('hamlet.txt').read().lower())
>>> Counter(words).most_common(10)
[('the', 1143), ('and', 966), ('to', 762), ('of', 669), ('i', 631),
 ('you', 554),  ('a', 546), ('my', 514), ('hamlet', 471), ('in', 451)]

words = file("test.txt", "r").read().split() #read the words into a list.
uniqWords = sorted(set(words)) #remove duplicate words and sort
for word in uniqWords:
    print words.count(word), word

在不使用集合的情况下使用另一种算法的另一种解决方案：

def countWords(A):
   dic={}
   for x in A:
       if not x in  dic:        #Python 2.7: if not dic.has_key(x):
          dic[x] = A.count(x)
   return dic

dic = countWords(['apple','egg','apple','banana','egg','apple'])
sorted_items=sorted(dic.items())   # if you want it sorted

熊猫回答：

import pandas as pd
original_list = ["the", "car", "is", "red", "red", "red", "yes", "it", "is", "is", "is"]
pd.Series(original_list).value_counts()

如果您想要按升序排列，则它很简单：

pd.Series(original_list).value_counts().sort_values(ascending=True)

一种方法是制作一个列表列表，新列表中的每个子列表都包含一个单词和一个计数：

list1 = []    #this is your original list of words
list2 = []    #this is a new list

for word in list1:
    if word in list2:
        list2.index(word)[1] += 1
    else:
        list2.append([word,0])

或者，更有效地：

for word in list1:
    try:
        list2.index(word)[1] += 1
    except:
        list2.append([word,0])

这将不如使用字典有效，但使用了更多基本概念。

您可以使用reduce（）-一种实用的方法。

words = "apple banana apple strawberry banana lemon"
reduce( lambda d, c: d.update([(c, d.get(c,0)+1)]) or d, words.split(), {})

返回：

{'strawberry': 1, 'lemon': 1, 'apple': 2, 'banana': 2}

使用Counter是最好的方法，但是如果您不想这样做，则可以自己实现。

# The list you already have
word_list = ['words', ..., 'other', 'words']
# Get a set of unique words from the list
word_set = set(word_list)
# create your frequency dictionary
freq = {}
# iterate through them, once per unique word.
for word in word_set:
    freq[word] = word_list.count(word) / float(len(word_list))

freq将以列表中每个单词的出现频率结束。

您需要float在那里将整数之一转换为浮点数，因此结果值将是浮点数。

编辑：

如果您不能使用字典或集合，这是另一种效率较低的方法：

# The list you already have
word_list = ['words', ..., 'other', 'words']
unique_words = []
for word in word_list:
    if word not in unique_words:
        unique_words += [word]
word_frequencies = []
for word in unique_words:
    word_frequencies += [float(word_list.count(word)) / len(word_list)]
for i in range(len(unique_words)):
    print(unique_words[i] + ": " + word_frequencies[i])

的indiciesunique_words和word_frequencies匹配。

理想的方法是使用将单词映射到其数量的字典。但是，如果您不能使用它，则可能要使用2个列表-1个存储单词，而另一个存储单词计数。请注意，此处的字数顺序很重要。实现这一点将很困难，而且效率不高。

试试这个：

words = []
freqs = []

for line in sorted(original list): #takes all the lines in a text and sorts them
    line = line.rstrip() #strips them of their spaces
    if line not in words: #checks to see if line is in words
        words.append(line) #if not it adds it to the end words
        freqs.append(1) #and adds 1 to the end of freqs
    else:
        index = words.index(line) #if it is it will find where in words
        freqs[index] += 1 #and use the to change add 1 to the matching index in freqs

这是代码支持您的问题is_char（）检查是否仅对那些字符串进行验证字符串计数，Hashmap是python中的字典

def is_word(word):
   cnt =0
   for c in word:

      if 'a' <= c <='z' or 'A' <= c <= 'Z' or '0' <= c <= '9' or c == '$':
          cnt +=1
   if cnt==len(word):
      return True
  return False

def words_freq(s):
  d={}
  for i in s.split():
    if is_word(i):
        if i in d:
            d[i] +=1
        else:
            d[i] = 1
   return d

 print(words_freq('the the sky$ is blue not green'))

最好的事情是：

def wordListToFreqDict(wordlist):
    wordfreq = [wordlist.count(p) for p in wordlist]
    return dict(zip(wordlist, wordfreq))

然后尝试： wordListToFreqDict(originallist)