当前位置 博文首页 > 利用Python3实现统计大量单词中各字母出现的次数和频率的方法

    利用Python3实现统计大量单词中各字母出现的次数和频率的方法

    作者:firm_mabu 时间:2021-07-16 18:47

    首先以只读方式打开单词文件,利用列表推导式创建两个列表
    列表sta记录各单词出现的次数,列表freq记录各单词出现的频率

    f = open('5500词.txt','r',encoding='utf-8')
    sta = [0 for i in range(26)]
    freq = [0 for i in range(26)]
    

    单词格式如下所示:
    a [ei] art.一(个);每一(个);(同类事物中)任一个
    abandon [ə'bændən] vt.离弃,丢弃;遗弃,抛弃;放弃
    abdomen [æb'dəumen] n.腹,下腹(胸部到腿部的部分)
    abatement [ə'beitmənt] n.减(免)税,打折扣,冲销
    abide [ə'baid] vi.(abode,abided)(by)遵守;坚持;vt.忍受,容忍

    每行一个单词,所以我们选择按行读取文件

    for i in range(5500):
      buf = f.readline()
    

    然后依次统计每个字符串中的字母个数,注意大写字母也要统计(后面的字母省略)

    for j in buf:
        if j == 'a' or j == 'A':
          sta[0] = sta[0] + 1
        elif j == 'b' or j == 'B':
          sta[1] = sta[1] + 1
    

    注意到每个单词后都有音标,所以遇到 中括号" [ "时停止计数

    if j == '[':
          break
    

    然后每五个一行,依次输出各个单词出现的次数,将print函数中的end参数由默认换行改成几个空格,使输出更格式化。字母利用ASCII码输出

    print('5498个词汇中,各字母出现的次数分别为:\n')
    asc = 97
    for i in range(26):
      if i < 25:
        print("%c" % asc,':',sta[i],end='  ')
        if (i + 1) % 5 == 0:
          print('\n')
      else:
        print("%c" % asc,':',sta[i])
      asc = asc + 1
    

    利用一个for遍历计算出所有字母数量的总和

    sum = 0
    for i in sta:
      sum = sum + i
    

    利用一个for遍历计算出各字母出现的频率,注意到Python中计算出的频率会自动保留17位小数,为了方便查看,使用round()函数保留四位小数,值得注意的是,使用round()函数会自动去掉数字末尾的0

    for i in range(26):
      freq[i] = round(sta[i] / sum,4)
    

    再以每五个一行,依次输出各个单词出现的频率,将print函数中的end参数由默认换行改成几个空格,使输出更格式化。字母利用ASCII码输出。

    print('各字母出现的频率分别为:\n')
    for i in range(26):
      if i < 25:
        print("%c" % asc,':',freq[i],end='  ')
        if (i + 1) % 5 == 0:
          print('\n')
      else:
        print("%c" % asc,':',freq[i])
      asc = asc + 1
    

    最后输出的结果如下图所示:

    输出结果

    上概率论的课时,偶然看见居然有人拿着词典去数字母的数量,就想能不能写一个自动统计的程序,于是就随便写着玩。代码功底很差,所以写得很丑(居然有25个elif),所以看个乐呵就好了。

    总的来说,我觉得有这些可以改进的地方:
    ①读取单词的方法可以改进,这种一行一行读取的方式,对格式要求很高,很难找到
    ②用字典来存储频数和频率是否会更好?后面输出的时候可以避免使用ASCII码,但是字典推导式我属实记不清了
    ③判断计数的这些if和elif能否抽象出一个方法?增加代码复用
    ④round()函数会自动去掉小数后面的0,有没有什么方法使0被保留下来?这样输出的格式会更好看

    我的代码的优点估计只有一点了:
    ①Python初学者就能看懂

    jsjbwy
    下一篇:没有了