【PTA|Python】浙大版《Python 程序设计》题目集:第七章 | 您所在的位置:网站首页 › python第七章练习题 › 【PTA|Python】浙大版《Python 程序设计》题目集:第七章 |
前言 Hello!小伙伴! 非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎您指出~ 自我介绍 ଘ(੭ˊᵕˋ)੭ 昵称:海轰 标签:程序猿|C++选手|学生 简介:因C语言结识编程,随后转入计算机专业,有幸拿过国奖、省奖等,已保研。目前正在学习C++/Linux(真的真的太难了~) 学习经验:扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语! 第七章第7章-1 词频统计 (30 分)题目请编写程序,对一段英文文本,统计其中所有不同单词的个数,以及词频最大的前10%的单词。 所谓“单词”,是指由不超过80个单词字符组成的连续字符串,但长度超过15的单词将只截取保留前15个单词字符。而合法的“单词字符”为大小写字母、数字和下划线,其它字符均认为是单词分隔符。 输入格式: 输入给出一段非空文本,最后以符号#结尾。输入保证存在至少10个不同的单词。 输出格式: 在第一行中输出文本中所有不同单词的个数。注意“单词”不区分英文大小写,例如“PAT”和“pat”被认为是同一个单词。 随后按照词频递减的顺序,按照词频:单词的格式输出词频最大的前10%的单词。若有并列,则按递增字典序输出。 输入样例: This is a test. The word “this” is the word with the highest frequency. Longlonglonglongword should be cut off, so is considered as the same as longlonglonglonee. But this_8 is different than this, and this, and this…# this line should be ignored.结尾无空行 输出样例:(注意:虽然单词the也出现了4次,但因为我们只要输出前10%(即23个单词中的前2个)单词,而按照字母序,the排第3位,所以不输出。) 23 5:this 4:is 解答之前忘了做这道题 这次没有做出来 对一些库的函数掌握的还是不好 记不住 # 导入库import reimport collectionsimport syswords = "".join([line for line in sys.stdin]) # 标准输入sys.stdin读入文本words = re.compile(r"\w+", re.I).findall(words.lower().split('#')[0]) # 正则表达式将文本处理成全小写并读到符号#words = [each.strip() for each in words] # 去除空格words = list(map(lambda each: each[0:15] if len(each) > 15 else each, words)) # 长度超过15的单词将只截取保留前15个单词字符counter = collections.Counter(words) # 使用Counter统计词频rank = sorted(counter.items(), key=lambda each: (-each[1], each[0]), reverse=False) # 按照词频递减排序print(len(rank)) # 输出不同单词的个数for each in rank[0:int(0.1*len(rank))]: # 输出词频最大的前10%的单词 print("{}:{}".format(each[1], each[0])) 结语文章仅作为学习笔记,记录从0到1的一个过程 希望对您有所帮助,如有错误欢迎小伙伴指正~ 我是 海轰ଘ(੭ˊᵕˋ)੭
|
CopyRight 2018-2019 实验室设备网 版权所有 |