Wie finde ich die Anzahl eines Wortes in einer Zeichenfolge?

Question

Ich habe eine Zeichenfolge "Hello I am going to I with hello am". Ich möchte herausfinden, wie oft ein Wort in der Zeichenfolge vorkommt. Beispiel hallo kommt 2 mal vor. Ich versuchte diesen Ansatz, der nur Zeichen druckt -

def countWord(input_string): 
    d = {} 
    for word in input_string: 
     try: 
      d[word] += 1 
     except: 
      d[word] = 1 

    for k in d.keys(): 
     print "%s: %d" % (k, d[k]) 
print countWord("Hello I am going to I with Hello am") 

Ich möchte lernen, wie man die Wortzahl findet.

Answer 1

Wenn Sie die Zählung eines einzelnen Wortes zu finden, verwenden Sie nur count:

input_string.count("Hello") 

Verwenden collections.Counter und split() Tally alle Wörter:

from collections import Counter 

words = input_string.split() 
wordCount = Counter(words) 

Answer 2

from collections import * 
import re 

Counter(re.findall(r"[\w']+", text.lower())) 

re.findall Verwendung ist vielseitiger als split, denn sonst können Sie nicht berücksichtigt Kontraktionen nehmen wie „nicht“ und „Ich werde“, usw.

Demo (Ihrem Beispiel verwenden):

>>> countWords("Hello I am going to I with hello am") 
Counter({'i': 2, 'am': 2, 'hello': 2, 'to': 1, 'going': 1, 'with': 1}) 

Wenn Sie erwarten, dass viele dieser Abfragen machen zu werden, wird dies nur tun O (N) arbeiten einmal, anstatt O (N * # Abfragen) Arbeit.

Answer 3

Counter from collections ist dein Freund:

>>> from collections import Counter 
>>> counts = Counter(sentence.lower().split()) 

Answer 4

Hier ist ein al ternativ, Groß-/Kleinschreibung wird nicht beachtet, Ansatz

sum(1 for w in s.lower().split() if w == 'Hello'.lower()) 
2 

Es passt, indem die Zeichenfolge und das Ziel in Kleinbuchstaben konvertiert werden.

ps: Kümmert sich um die "am ham".count("am") == 2 Problem mit str.count() von @DSM unten zu spitz aus :)

Answer 5

Unter Berücksichtigung Hello und hello als dieselben Worte, und zwar unabhängig von ihrer Fälle:

>>> from collections import Counter 
>>> strs="Hello I am going to I with hello am" 
>>> Counter(map(str.lower,strs.split())) 
Counter({'i': 2, 'am': 2, 'hello': 2, 'to': 1, 'going': 1, 'with': 1}) 

Answer 6

Der Vektor Vorkommenszählungen von Wörtern werden bag-of-words genannt.

Scikit-lernen bietet ein schönes Modul, um es zu berechnen, sklearn.feature_extraction.text.CountVectorizer. Beispiel:

import numpy as np 
from sklearn.feature_extraction.text import CountVectorizer 

vectorizer = CountVectorizer(analyzer = "word", \ 
          tokenizer = None, \ 
          preprocessor = None, \ 
          stop_words = None, \ 
          min_df = 0,   \ 
          max_features = 50) 

text = ["Hello I am going to I with hello am"] 

# Count 
train_data_features = vectorizer.fit_transform(text) 
vocab = vectorizer.get_feature_names() 

# Sum up the counts of each vocabulary word 
dist = np.sum(train_data_features.toarray(), axis=0) 

# For each, print the vocabulary word and the number of times it 
# appears in the training set 
for tag, count in zip(vocab, dist): 
    print count, tag 

Ausgang:

2 am 
1 going 
2 hello 
1 to 
1 with 

Teil des Codes aus dieser Kaggle tutorial on bag-of-words genommen wurde.

FYI: How to use sklearn's CountVectorizerand() to get ngrams that include any punctuation as separate tokens?

Answer 7

können Sie die Regex Python-Bibliothek re alle Spiele in der Teilkette zu finden und das Array zurück.

import re 

input_string = "Hello I am going to I with Hello am" 

print(len(re.findall('hello', input_string.lower()))) 

Drucke:

2