Python3 - 如何按元素的频率对列表进行排序？ [复制]

Question

我正在编写可以分析输入文本的代码。 我想寻求帮助的功能之一是按频率降序列出使用的单词。

通过引用堆栈溢出中的相似主题，我能够仅保留字母数字字符（删除所有引号/标点符号等）并将每个单词放入列表中。

这是我现在的清单。 （名为 word_list 的变量）

['Hi', 'beautiful', 'creature', 'Said', 'by', 'Rothchild', 'the', '最大'，'敌人'，'之'，'尊'，'尊'，'开始'，'得到'，'害怕'， 'of'，'他'，'As'，'her'，'best'，'friend'，'Lia'，'can'，'feel'， “她”、“恐惧”、“为什么”、“那个”、“那个”、“地狱”、“你”、“是”、“这里”]

（仅供参考，文本文件只是我从网上找到的随机同人小说）

但是，我无法将此列表修改为按频率降序排列的列表 - 例如，该列表中有 3 个“the”，因此“the”成为列表的第一个元素。下一个元素是 'of'，出现 2 次。

我尝试了几件与我的案例类似的事情，但一直显示错误（计数器，已排序）。

谁能教我如何对列表进行排序？

另外，对列表进行排序后，如何只保留一份重复的副本？ （我目前的想法是使用 for 循环和索引 - 与之前的索引进行比较，如果相同则删除。）

谢谢。

Answer 1

您可以使用itertools.Counter 以不同方式进行排序：

from collections import Counter

lst = ['Hi', 'beautiful', 'creature', 'Said', 'by', 'Rothchild', 'the', 'biggest', 'enemy', 'of', 'Zun', 'Zun', 'started', 'get', 'afraid', 'of', 'him', 'As', 'her', 'best', 'friend', 'Lia', 'can', 'feel', 'her', 'fear', 'Why', 'the', 'the', 'hell', 'you', 'are', 'here']

c = Counter(lst)  # mapping: {item: frequency}

# now you can use the counter directly via most_common (1.)
lst = [x for x, _ in c.most_common()]
# or as a sort key (2.)
lst = sorted(set(lst), key=c.get, reverse=True)

# ['the', 'Zun', 'of', 'her', 'Hi', 'hell', 'him', 'friend', 'Lia', 
#  'get', 'afraid', 'Rothchild', 'started', 'by', 'can', 'Why', 'fear', 
#  'you', 'are', 'biggest', 'enemy', 'Said', 'beautiful', 'here', 
#  'best', 'creature', 'As', 'feel']

这些方法使用 Counter 键 (1.) 或 set 来删除重复项。

但是，如果您希望排序相对于原始列表保持稳定（保持相同频率项目的出现顺序），您可能必须按照基于 collections.OrderedDict 的重复删除方法执行此操作：

from collections import OrderedDict

lst = sorted(OrderedDict.fromkeys(lst), key=c.get, reverse=True)

# ['the', 'of', 'Zun', 'her', 'Hi', 'beautiful', 'creature', 'Said', 
# 'by', 'Rothchild', 'biggest', 'enemy', 'started', 'get', 'afraid', 
# 'him', 'As', 'best', 'friend', 'Lia', 'can', 'feel', 'fear', 'Why',  
# 'hell', 'you', 'are', 'here']