第三次课后作业
1. 博客开头给出自己的基本信息,格式建议如下:
学号:2017*****7147;
姓名:何晓航;
码云项目仓库:https://gitee.com/hxhdemayun/word_frequency_count/blob/master/%E4%BD%9C%E4%B8%9A03
2. 程序分析,对程序中的四个函数做简要说明。要求附上每一段代码及对应的说明。
首先声明编码方式和导入string模块中的punctuation方法
# -*- coding: UTF-8 -*-
from string import punctuation
1.读取文件函数--打开文件读入缓冲区并关闭文件
def process_file(dst): # 读文件到缓冲区
try: # 打开文件
txt = open(dst, "r")
except IOError, s:
print s
return None
try: # 读文件到缓冲区
bvffer=txt.read()
except:
print "Read File Error!"
return None
txt.close()
return bvffer
2.数据处理--去除字符串中的符号将单词分割并读入字典。
def process_buffer(bvffer):
if bvffer:
word_freq = {}
# 下面添加处理缓冲区 bvffer代码,统计每个单词的频率,存放在字典word_freq
for item in bvffer.strip().split():
word = item.strip(punctuation + ' ')
if word in word_freq.keys():
word_freq[word] += 1
else:
word_freq[word] = 1
return word_freq
3.输出Top10结果--遍历字典并输出Top10的单词
def output_result(word_freq):
if word_freq:
sorted_word_freq = sorted(word_freq.items(), key=lambda v: v[1], reverse=True)
for item in sorted_word_freq[:10]: # 输出 Top 10 的单词
print(item)
4.导入argparse库用于解析命令行数据,依次执行函数
if __name__ == "__main__":
import argparse
parser = argparse.ArgumentParser()
parser.add_argument('dst')
args = parser.parse_args()
dst = args.dst
bvffer = process_file(dst)
word_freq = process_buffer(bvffer)
output_result(word_freq)
在命令中输入python word_freq.py Gone_with_the_wind.txt
运行代码
结果如下,输出了词频Top10的单词和次数:
3. 简单性能分析并改进、提交代码
使用cProfile进行性能分析python -m cProfile word_freq.py Gone_with_the_wind.txt
测试结果如下图(由于测试数据太多,只列举截图了关键信息,耗时最长,调用最多次数的函数):
:
4. 总结反思
通过这次课后作业三我对词频统计与分析有很大的了解,我和班级里的同学进行了充分的交流,也了解了自己的不足,这让我亲身体验到了从发现问题到解决问题的整个流程,懂得了如何分配时间,如何利用资源。