0

特定の単語を識別して数えようとしています。識別子ごとにカウントを保存する必要があります。

例えば、

リスク リスク 無リスク金利

アスタリスク リスク リスク

市場リスク リスク [リスク

*ドキュメントに上記の単語が含まれており、アスタリスクではなく「リスク」をカウントする必要があります。[リスクを「リスク」としてカウントする必要もあります。これが私がこれまでに持っているものです。ただし、リスクだけでなく、アスタリスクと [リスクのカウントも返します。アスタリスクのカウントは必要ありませんが、[risk. 正規表現を使用しようとしましたが、エラーが発生し続けます。さらに、私はPythonの初心者です。誰かが何か考えがあれば、私を助けてください!!^^ ありがとう。

from collections import defaultdict
word_dict = defaultdict(int)

for line in mylist:
words = line.lower().split()
for word in words:
    word_dict[word]+=1

for word in word_dict:
if 'risk' in word:
    word, word_dict[word]
4

5 に答える 5

2

正規表現をもう一度試してください。'risk'単語境界で囲まれた文字列に一致

import re
re.findall(r'\brisk\b', 'risk risk') ## 2 matches
re.findall(r'\brisk\b', 'risk risk riskrisk') ## 2 matches
re.findall(r'\brisk\b', 'risk risk riskrisk [risk') ## 3 matches
re.findall(r'\brisk\b', 'risk risk riskrisk [risk asterisk') ## 3 matches
于 2012-08-31T13:47:59.350 に答える
1

パイプライン化されたアプローチを行います。つまり、単語を辞書に追加する前に、テキストを変換してカウントが正しくなるようにします。

word_dict = {} # empty dictionary

for line in mylist:
    words = line.strip().lower().split() # the strip gets rid of new lines
    for word in words:
        # the strip here will strip away any surrounding punctuation.
        # add any other symbols to the string that you need
        # the key insight here, is you get rid of extra stuff BEFORE inserting
        # into the dictionary
        word_dict[word.strip('[/@#$%')]+=1 

for word in word_dict:
    print word, word_dict[word]

# to just see the count for risk:
print word_dict['risk']

「アスタリスク」という単語をカウントするという事実は、「リスク」という単語をカウントする限り問題ありません。

于 2012-08-31T13:43:46.103 に答える
0

riskどの基準が重要で何がそうでないかをもっと厳密に定義する必要があると思います。ただし、次を使用しCounterます。

from collections import Counter
c = Counter()
with open(yourfile) as f:
    for line in f:
        c += Counter(line.split())

この時点で、「リスク」としてカウントするかどうかを判断する関数を作成する必要があります。

def is_risk(word):
    w = word.lower()
    return 'risk' in w and w!='asterisk'

これらのキーに対応する要素を追加するだけです。

sum( c[k] for k in c if is_risk(k) )
于 2012-08-31T13:53:31.517 に答える
0

このスニペットを試すことができます：

import shlex

words = shlex.split("risk risk risk free interest rate")
word_count = len([word for word in words if word == "risk" or word =="[risk"])
print word_count
于 2012-08-31T13:48:26.570 に答える
-2

だからあなたは数えます

'\n' + risk + '\n'
'\n' + risk + ' '
' ' + risk + '\n'
' ' + risk + ' '
于 2012-08-31T13:39:20.650 に答える