0

我正在循环运行 360 多个 txt 文件，这些文件计算每个文件中某些单词的出现次数。代码如下：

>>> cnt=Counter()
>>> def process(filename):
words=re.findall('\w+',open(filename).read().lower())
for word in words:
    if word in words_fra:
        cnt[word]+=1
    if word in words_1:
        cnt[word]+=1
print cnt
    cnt.clear()

>>> for filename in os.listdir("C:\Users\Cameron\Desktop\Project"):
process(filename)

我有两个列表，words_fra 和 words_1，每个列表大约 10-15 个单词。这会输出带有计数的匹配单词，但它不会打印计数为零的单词，而是按频率顺序列出单词。

输出示例：

Counter({'prices': 140, 'inflation': 107, 'labor': 46, 'price': 34, 'wage': 27,     'productivity': 26, 'capital': 21, 'workers': 20, 'wages': 19, 'employment': 18, 'investment': 14, 'unemployment': 13, 'construction': 13, 'production': 11, 'inflationary': 10, 'housing': 8, 'credit': 8, 'job': 7, 'industry': 7, 'jobs': 6, 'worker': 4, 'tax': 2, 'income': 2, 'aggregates': 1, 'payments': 1})
Counter({'inflation': 193, 'prices': 118, 'price': 97, 'labor': 58, 'unemployment': 42, 'wage': 32, 'productivity': 32, 'construction': 22, 'employment': 18, 'wages': 17, 'industry': 17, 'investment': 16, 'income': 16, 'housing': 15, 'production': 13, 'job': 13, 'inflationary': 12, 'workers': 9, 'aggregates': 9, 'capital': 5, 'jobs': 5, 'tax': 4, 'credit': 3, 'worker': 2})

我对格式没问题，除了我需要显示所有字数，即使它为零，而且我需要按字母顺序而不是频率返回的字数。

我可以在我的代码中添加什么来实现这一点？我也可以将其转换为一个不错的 csv 格式，将单词作为列标题并将计数作为行值。

谢谢！

编辑：顶部是当前输出的样子。底部是我希望它们看起来的样子。

Wordlist="a b c d"
Counter({'c': 4, 'a': 3, 'b':1})
Counter({'a': 3, 'b': 1, 'c': 4, 'd': 0})
4

3 回答 3

0

要打印单词列表中的所有单词，您可以在开始在文件中查找单词之前遍历单词列表中的单词，并将它们添加到结果字典中，计数为 0。

要以正确的顺序打印它们，请使用内置的sorted() 。

像这样的东西：

import re

wordlist = words_fra + words_1
cnt = {}
for word in wordlist:
    cnt[word] = 0

words=re.findall('\w+',open('foo.html').read().lower())
for word in words:
    if word in wordlist:
        cnt[word]+=1

for result in sorted(cnt.items()):
    print("{0} appeared {1} times".format(*result))

如果你想排序，最常见的词排在第一位，你可以这样做：

for result in sorted(cnt.items(), key=lambda x:x[1]):
     print("{0} appeared {1} times".format(*result))
于 2013-02-18T04:00:17.800 回答
0

如果你想得到结果，Counter那么你必须覆盖接受__add__的方法。例如 ..Counter0

In [8]: from collections import  Counter

In [9]: Counter({'red': 4, 'blue': 2,'white':0})+Counter({'red': 4, 'blue': 2,'white':0})
Out[9]: Counter({'red': 8, 'blue': 4})

In [10]: 
    ...: class Counter(Counter):
    ...:     def __add__(self, other):
    ...:         if not isinstance(other, Counter):
    ...:             return NotImplemented
    ...:         result = Counter()
    ...:         for elem, count in self.items():
    ...:             newcount = count + other[elem]
    ...:             result[elem] = newcount
    ...:         for elem, count in other.items():
    ...:             if elem not in self:
    ...:                 result[elem] = count
    ...:         return result
    ...:     

In [11]: Counter({'red': 4, 'blue': 2,'white':0})+Counter({'red': 4, 'blue': 2,'white':0})
Out[11]: Counter({'red': 8, 'blue': 4, 'white': 0}) #<-- now you see that `0` has been added to the resultant Counter
于 2013-02-18T04:12:45.087 回答
0 
for word in sorted(words_fra + words_1):
    print word, cnt[word]
于 2013-02-18T04:15:24.723 回答