怎样在Python中通过collections.Counter快速统计词频并求交集并集?

大涛小哥_8248

大涛小哥_8248

2026-11-18

715人浏览

原创

Counter统计词频应避免list.count()的O(n²)低效操作,优先用哈希表实现的O(n)单次遍历;注意分词(英文用正则、中文用jieba)、区分交集/并集语义(min/max计数而非集合运算)、防范负值干扰及清洗不一致问题。

怎样在python中通过collections.counter快速统计词频并求交集并集?

用 Counter 统计词频时,别直接用 list.count()

手动遍历 + count() 时间复杂度是 O(n²),数据一过万就明显卡顿。Counter 底层用哈希表,单次遍历完成统计,O(n) 且自带排序友好接口。常见错误是传入字符串却没分词:Counter("hello") 统计的是字符而非单词,得先 .split() 或用正则切分。

实操建议:

Camoufox Open Source Anti-Detect Browser for Python Automation
Camoufox Open Source Anti-Detect Browser for Python Automation

Camoufox 是一个基于 Firefox 构建的开源反检测浏览器,为 Python 自动化工作流程提供强大的指纹注入和反机器人检测规避功能。它与 Playwright 集成,以提供能够绕过现代机器人检测系统的隐身浏览能力。

下载
  • 英文文本优先用 text.split(),但注意标点干扰;更稳的做法是 re.findall(r'\b\w+\b', text.lower())
  • 中文需先分词(如用 jieba),Counter(jieba.lcut(text))
  • 初始化时可传入任意可迭代对象:列表、生成器、甚至另一个 Counter

Counter 的交集和并集不是集合运算,而是按 key 的 min/max

Counter 的 & 和 | 运算符不等价于 set.intersection() 或 set.union()。它们对相同 key 取计数值的最小值(交集)或最大值(并集),value 为 0 的项会被自动过滤掉。

比如:c1 = Counter(['a','a','b']),c2 = Counter(['a','b','b','c']):

  • c1 & c2 → Counter({'a': 1, 'b': 1})(不是 {'a','b'})
  • c1 | c2 → Counter({'a': 2, 'b': 2, 'c': 1})(不是 {'a','b','c'})
  • 若真要纯 key 交集:用 set(c1.keys()) & set(c2.keys())
  • 若要带权重的“加权并集”(如合并两个语料库统计):直接 c1 + c2

求多个 Counter 的交集/并集,别用循环嵌套 &/|

多个 Counter 连续用 & 是可行的,但容易出错:一旦中间某个结果为空(Counter()),后续所有交集都变空。更可靠的方式是用 functools.reduce(),或手动控制逻辑。

实操建议:

  • 多 Counter 交集(取每个 key 在所有 Counter 中的最小出现次数):
    from functools import reduce
    from collections import Counter
    <p>counters = [Counter(['a','a','b']), Counter(['a','b','b','c']), Counter(['b','b','b'])]
    intersection = reduce(lambda a,b: a & b, counters)</p><h1>→ Counter({'b': 1})</h1><p></p>
  • 避免 reduce 报错:确保 counters 非空,且至少有一个非空 Counter
  • 性能提示:交集操作会丢弃 value=0 的项,所以结果可能比原始 key 更少,不必手动清理

小心 Counter 的负数计数和 sub() 行为

Counter 允许 value 为负数,这会让 & 和 | 出现反直觉结果。例如 Counter({'a': -1}) & Counter({'a': 2}) 得到 Counter({'a': -1})(因为取 min(-1,2) = -1)。而 .subtract() 会保留负值,.update() 才做加法。

常见踩坑点:

  • 误用 counter1.subtract(counter2) 后直接拿去算交集,负值参与 min/max 导致结果异常
  • 想清空计数用 counter.clear(),别用 counter -= counter(会留负零)
  • 需要严格非负统计时,建议在关键步骤后加 += Counter()(这是官方推荐的“归零负值”技巧)

实际处理文本词频交并集时,最易忽略的是分词一致性——两个语料用不同方式切分(比如一个没去停用词、一个转了小写),交集结果就失去意义。运算本身很快,但前置清洗不统一,后面全白算。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5524

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33717

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3947

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3063

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程