创建文本字词典

我想创建一个文本中所有唯一字词的字典。关键是单词，值是这个词的频率创建文本字词典

dtt = ['you want home at our peace', 'we went our home', 'our home is nice', 'we want peace at home'] 
word_listT = str(' '.join(dtt)).split() 
wordsT = {v:k for (k, v) in enumerate(word_listT)} 
print wordsT

我希望这样的事情：

{'we': 2, 'is': 1, 'peace': 2, 'at': 2, 'want': 2, 'our': 3, 'home': 4, 'you': 1, 'went': 1, 'nice': 1}

不过，我收到这样的：

{'we': 14, 'is': 12, 'peace': 16, 'at': 17, 'want': 15, 'our': 10, 'home': 18, 'you': 0, 'went': 7, 'nice': 13}

很显然，我滥用功能或做错事。

请帮助

来源

2015-11-05 Toly

的问题，你在做什么是你在存储这里所说的是不是那些话的计数的数组索引。

要做到这一点，你可以只使用collections.Counter

from collections import Counter 

dtt = ['you want home at our peace', 'we went our home', 'our home is nice', 'we want peace at home'] 
counted_words = Counter(' '.join(dtt).split()) 
# if you want to see what the counted words are you can print it 
print counted_words 

>>> Counter({'home': 4, 'our': 3, 'we': 2, 'peace': 2, 'at': 2, 'want': 2, 'is': 1, 'you': 1, 'went': 1, 'nice': 1})

一些清理：在评论中提到

str()是不必要的你' '.join(dtt).split()

您还可以删除列表中的分配并在同一行上做你的计数器

Counter(' '.join(dtt).split())

有关您的列表索引的更多细节;首先你必须了解你的代码在做什么。

dtt = [ 
    'you want home at our peace', 
    'we went our home', 
    'our home is nice', 
    'we want peace at home' 
]

注意，这里有19个单词; print len(word_listT)回报19.现在在word_listT = str(' '.join(dtt)).split()您做的所有的单词列表的下一行，它看起来像这样

word_listT = [ 
    'you', 
    'want', 
    'home', 
    'at', 
    'our', 
    'peace', 
    'we', 
    'went', 
    'our', 
    'home', 
    'our', 
    'home', 
    'is', 
    'nice', 
    'we', 
    'want', 
    'peace', 
    'at', 
    'home' 
]

再数一数：19个字。最后一个字是'家'。并且列表索引从0开始，因此0到18 = 19个元素。 yourlist[18]是'家'。这与字符串位置或任何内容无关，只是新数组的索引。 :)

来源

2015-11-05 19:18:13

很好用！谢谢！ – Toly

@当然是！很高兴我能帮上忙！你应该看看周围的集合，那里有很多有用的工具。“计数器”是一个，我也一直使用'defaultdict'。如果你有任何问题随时问，我会尽力帮助，如果我可以:) –

@JohnRuddell join（）返回一个字符串，你为什么要把它转换为字符串？计数器（''.join（dtt）.split（））会做 – helloV

试试这个：

from collections import defaultdict 

dtt = ['you want home at our peace', 'we went our home', 'our home is nice', 'we want peace at home'] 
word_list = str(' '.join(dtt)).split() 
d = defaultdict(int) 
for word in word_list: 
    d[word] += 1

来源

2015-11-05 19:18:39 levi

enumerate返回一个单词列表与他们的指标，不符合他们的频率。也就是说，当您创建单词T字典时，每个v实际上是k的最后一个实例的word_listT中的索引。要做你想做的事，使用for循环可能是最直接的。

wordsT = {} 
for word in word_listT: 
    try: 
     wordsT[word]+=1 
    except KeyError: 
     wordsT[word] = 1

来源

2015-11-05 19:24:26

创建文本字词典

回答

相关问题