用好collections模块，对李白诗集进行字频统计
1、从一个计数问题开始
初学Python的人很可能会遇到字频统计这样的练习题，那么很容易会想到使用for循环来做。
可是for循环的效率是很低的，而且会涉及到嵌套循环，代码及其冗余。
比如给定一个字符串，对字母进行计数统计：
Python is a popular programming language
一般会这样写：
my_str = "Python is a popular programming language"
def str_count(strs):
'''对字符串进行字频统计，使用字典的get方法进行判断'''
str_dict = {}
for i in strs:
str_dict[i] = str_dict.get(i,0) + 1
return str_dict
str_count(my_str)
输出：
这次我们来介绍collection模块中的一个计数方法Counter，用它来计数操作可能只需一行代码。
也由此学习一下Python中的内置模块-collections及它的强大功能。
如果使用Counter计数器来对上面那段字符串进行字频统计，就很简单：
from collections import Counter
my_str = "Python is a popular programming language"
Counter(my_str)
输出：
可以看到Counter计数器使用非常简单，只需要传入可迭代对象，就能统计每个元素的出现频次。
如果要对一篇文章，甚至一部小说进行字频统计，该怎么做呢？
以李白诗集为例，任务是统计所有字的频次，并找出出现频次最高的十个字。
这里你不妨先猜猜会有哪些字名列前十，话不多说放代码：
from collections import Counter
with open('李白.txt') as f:
# 读取成列表
c_list = f.readlines()
# 所有诗整合成字符串
c_str = ','.join(c_list)
# 使用Counter进行字频统计
c_cnt = Counter(c_str)
# 去除符号、'李'、'白'等特殊字符
useless_character = [',','，','。','【','】','\n','李','白']
for i in useless_character:
del c_cnt[i]
# 使用most_common方法提取频次最高的前10字符
c_top_10 = c_cnt.most_common(10)
# 打印
print(c_cnt)
print(c_top_10)
输出：
出现频次最高的前十个字:
你猜中了几个呢？
2、聊聊Counter具体用法
collections是一个容器模块，来提供Python标准内建容器 dict、list、set、tuple 的替代选择。
也就是说collections模块是作为Python内建容器的补充，在很多方面它用起来更加有效率。
Counter是字典的子类，用于计数可哈希对象。
计数元素像字典键(key)一样存储，它们的计数存储为值。
所以说Counter对象可以使用字典的所有方法。
创建Counter对象
from collections import Counter
# 创建了一个空的Counter对象
c = Counter()
# 用可迭代对象创建了一个Counter对象
c = Counter('gallahad')
# 用映射来创建一个Counter
c = Counter({'red': 4, 'blue': 2})
#用关键字参数创建Counter
c = Counter(cats=4, dogs=8)
对可迭代对象进行计数
from collections import Counter
c = Counter('bananas')
c
# 输出：Counter({'b': 1, 'a': 3, 'n': 2, 's': 1})
根据键引用值
from collections import Counter
c = Counter('bananas')
c['a']
# 输出：3
如果不存在该键，则返回0
from collections import Counter
c = Counter('bananas')
c['u']
# 输出：0
删除其中一个键值对
from collections import Counter
c = Counter('bananas')
del c['a']
c
# 输出：Counter({'b': 1, 'n': 2, 's': 1})
用映射来创建一个Counter，并返回迭代器
from collections import Counter
c = Counter({'red': 3, 'blue': 1,'black':2})
list(c.elements())
# 输出：['red', 'red', 'red', 'blue', 'black', 'black']
查看出现频次最高的前n元素及其次数
from collections import Counter
c = Counter('absabasdvdsavssaffsdaws')
c.most_common(3)
# 输出：[('s', 7), ('a', 6), ('d', 3)]
两个Counter相减
from collections import Counter
c = Counter(a=4, b=2, c=0)
d = Counter(a=1, b=2, c=3)
c.subtract(d)
c
# 输入：Counter({'a': 3, 'b': 0, 'c': -3})
转换成字典
from collections import Counter
c = Counter('bananas')
dict(c)
# 输出：{'b': 1, 'a': 3, 'n': 2, 's': 1}
添加可迭代对象
from collections import Counter
c = Counter('bananas')
c.update('apples')
c
# 输出：Counter({'b': 1, 'a': 4, 'n': 2, 's': 2, 'p': 2, 'l': 1, 'e': 1})
3、总结
Counter是字典的一个子类，它继承了字典的所有方法。
Counter作为计数器，使用简单高效。
键代表计数元素，值代表计数值。
most_common()方法用于排序，选取频次前n的键值对。
Counter对象可以进行加减运算及逻辑运算操作。
注：后台回复：李白，可获取示例txt文档
-END-
腾讯云开发者
