思路:
统计一篇文章中单词出现的次数,首先应该知道该文章中,有多少个单词(去重后),然后再统计单词在文章中的出现频率。这里使用最简单的方式来实现该功能。
基础:
读者应该已经掌握python的主要数据结构的用法,——字典、列表、元组与集合。
多数的函数和方法的注释已经在源代码中注释,这里对sorted()函数进行一下特别说明。python中对sorted()函数做出的解释如下所示(可以通过help(function)的方式,获取对某个函数或方法的帮助):
该解释的大意是通过sorted(iterable, /, *, key=None, reverse=False)该函数返回一个升序的新列表。可以通过key指定排序顺序。也可以通过reverse来设定是升序还是倒序排序。reverse= True降序,reverse=False升序。
本代码通过lambda表达式,以字典中的值为排序的参数。
import string def statistics(): """要注意python在取Windows操作系统的格式""" path = 'C://Users/10281/Desktop/Walden.txt' """当直接读取文件的时候,可能会遇到编码格式的问题,这里使用encoding指定编码格式为utf-8""" with open(path, 'r', encoding='UTF-8') as text: """ 此处使用了List comprehension,该种方式效率较高。 split()方法用于对字符串的分片,在默认情况下,为所有的空字符,包括空格、换行(\n)、制表符(\t)。 strip()方法用于移除字符串头尾指定的字符(默认为空格)。 set() 函数创建一个无序不重复元素集,可进行关系测试,删除重复数据,还可以计算交集、差集、并集等。 count() 方法用于统计字符串里某个字符出现的次数。可选参数为在字符串搜索的开始与结束位置。 """ print(string.punctuation) words = [raw_word.strip(string.punctuation).lower() for raw_word in text.read().split()] words_index = set(words) counts_dict = {index: words.count(index) for index in words_index} """ sorted() 函数对所有可迭代的对象进行排序操作。 sort 与 sorted 区别:sort 是应用在 list 上的方法,sorted 可以对所有可迭代的对象进行排序操作。 list 的 sort 方法返回的是对已经存在的列表进行操作,而内建函数 sorted 方法返回的是一个新的 list,而不是在原来的基础上进行的操作。 """ for word in sorted(counts_dict, key=lambda x: counts_dict[x], reverse=True): print('{}--{} times'.format(word, counts_dict[word])) if __name__ == "__main__": statistics()