利用多种方式来统计词频（单词个数）

利用多种方式来统计词频（单词个数）

python的思维就是让我们用尽可能少的代码来解决问题。对于词频的统计，就代码层面而言，实现的方式也是有很多种的。之所以单独谈到统计词频这个问题，是因为它在统计和数据挖掘方面经常会用到，尤其是处理分类问题上。故在此做个简单的记录。

统计的材料如下：

document = [
    'look', 'into', 'my', 'eyes', 'look', 'into', 'my', 'eyes',
  'the', 'eyes', 'the', 'eyes', 'the', 'eyes', 'not', 'around', 'the',
  'eyes', "don't", 'look', 'around', 'the', 'eyes', 'look', 'into',
  'my', 'eyes', "you're", 'under']

• 直接使用dict来进行统计（遍历+循环）

word_count = {}
for word in document:
    if word in word_count:
        word_count[word] += 1
  else:
        word_count[word] = 1

• 更优雅的实现方式

#假如字典中不存在给定的键，则返回参数中提供的默认值；反之，则返回字典中保存的值。
for word in document:
    previous_count = word_count.get(word, 0)
    word_count[word] = previous_count + 1
#可以合并成一行
for word in document:
  word_count[word] = word_count.setdefault(word, 0) + 1

• 使用defalutdict来实现

# 使用collections中的defalutdict来实现，defalutdict是一种值可以默认设置的dict
from collections import defaultdict
word_count = defaultdict(int)
for word in document:
    word_count[word] += 1

• 使用Counter

word_counter = Counter(document)

Counter既然是一个计数器，那么它本身也就具有很多统计的方法。例如，最常见的词频统计的排序，可以获得前n个最高的词频。

# 返回前n个最高词频，以字典的形式
word_counter.most_common(n)

显然，使用defalutdict和Counter代码最简洁，更能符合python开发之道。