统计序列中元素的出现频度

统计序列中元素的出现频度

常规解法：迭代

该问题的实际场景主要有两种，一是单纯的统计序列中元素的出现的次数，二是统计某篇文章中出现频度最高的英语单词等。

# 首先先来使用列表解析创建一个随机的序列

fromrandomimportrandint

# 生成一个含有30个元素范围为0-20的随机序列

data=[randint(,20)for_inxrange(30)]

# 统计结果是一个字典，其中data中的元素为键，0为初始值

c=dict.fromkeys(data,)

# 迭代

forxindata:

c[x]+=1

printc

如此一来，就得到了序列中每个元素的出现次数。如果实际需求是找频度最高的前几个元素，可以对字典进行排序。（详见1.1 在列表、字典、集合中根据条件筛选数据，这里不再赘述。）可见，步骤虽然简单，但仍然是比较繁琐的。那么，有没有什么优雅的解决方案呢？

Python 中优雅的解决方案

使用下的对象，具体步骤：

将序列传入的构造器，得到对象是元素频度的字典。

方法得到频度最高的n个元素的列表。

fromrandomimportrandint

fromcollectionsimportCounter

data=[randint(,20)for_inxrange(30)]

c2=Counter(data)

# 获取所有元素的出现频度的字典

printc2

# 获取出现频度最高的3个元素

printc2.most_common(3)# 返回一个列表，如[(5,4),(10,3),(20,3)]

对英语文章进行词频统计

由于本人是考研党，所以这里，我直接使用了2015年考研英语1的第4篇阅读的文本为例，获取其出现频度最高的10个单词。

我已将上述文件传到七牛云中：http://airing.ursb.me/python/text.txt，因此待会的代码中直接使用读取网络文件。

fromcollectionsimportCounter

importre

importurllib2

# 读取网络文件并赋值于 txt 中

req=urllib2.Request('http://airing.ursb.me/python/text.txt')

response=urllib2.urlopen(req)

txt=response.read()

# 使用正则表达式分割 txt 中的单词存于序列中

# 再使用 Counter 进行频度统计返回字典

c3=Counter(re.split('\W+',txt))

printc3.most_common(10)

# 打印结果为：[('the', 31), ('of', 23), ('to', 10), ('that', 9), ('was', 7), ('and', 7), ('in', 7), ('not', 6), ('she', 6), ('be', 6)]

如此，便完成了一个简单的词频统计。