基于中国大学mooc网嵩天老师的《Python语言程序设计》课程实例
一、数字文本 pi
问题描述:
统计并输出圆周率pi小数点后1000位中各数字出现频率并排序
完整代码:
txt = open('pi1000.txt', 'r').read() # 获取文本文件
counts = {
} # 创建空字典
for num in txt:
if num == ' ': # 排除数字文本中可能出现的空格
continue
else:
counts[num] = counts.get(num, 0) + 1 # 统计词频并在字典中创建键值对
items = list(counts.items()) # 将无序的字典类型转换为可排序的列表类型
items.sort(key=lambda x: x[1], reverse=True) # 以元素的第二列进行从大到小排序
for i in range(10):
num, count = items[i]
print("{:<5}:{:>5}".format(num, count)) # 格式化输出排序结果
结果展示:
二、英文文本 Hamlet
问题描述:
输出 Hamlet 中前10个高频词语及其次数
实例分析:
从思路上看,词频统计只是累加问题,即对每一个词设计一个计数器,词语每出现一次,相关计数器加1。使用字典类型能够很好地解决这个问题:以词语为键,计数器为值,构成 <单词>:<出现次数> 的键值对
- 第一步,是分解并提取英文文档中的单词。但是文本中存在噪音干扰:同一个英文单词存在大小写不同形式,而计数却不能区分大小写。因此,需要将大小写单词归一化。除此之外,文本中还有各种各样的标点符号及空格等特殊符号,在统计时需要删除并统一分隔方式。
- 第二步,是对每个单词进行计数。计数时要确保每个单词都能被精确计数,做到不遗漏不重复。
- 第三步,是对单词的统计值从高到低进行排序。由于字典类型没有顺序,需要将其转换为有顺序的列表类型。
具体步骤及代码分析:
首先下载保存文本,将内容保存在一个txt文档中。文本查看地址:Hamlet
注意:py文件应与文本文件位于统一路径下,否则打开文件时应指定具体路径。
完整代码:
# 首先定