【问题标题】：Counting the number of unique words in a list计算列表中唯一单词的数量
【发布时间】：2021-03-24 05:25:19
【问题描述】：

使用来自https://stackoverflow.com/a/11899925 的以下代码，我能够找到一个单词是否唯一（通过比较它是否使用过一次或多次）：

helloString = ['hello', 'world', 'world']
count = {}
for word in helloString :
   if word in count :
      count[word] += 1
   else:
      count[word] = 1

但是，如果我有一个包含数百个单词的字符串，我将如何计算该字符串中唯一单词的数量？

例如，我的代码有：

uniqueWordCount = 0
helloString = ['hello', 'world', 'world', 'how', 'are', 'you', 'doing', 'today']
count = {}
for word in words :
   if word in count :
      count[word] += 1
   else:
      count[word] = 1

如何将uniqueWordCount 设置为6？通常，我真的很擅长解决这些类型的算法难题，但我没有成功解决这个问题。我觉得它就在我的鼻子下面。

【问题讨论】：

唯一的词有 6 个，而不是 5 个
7 个唯一词不是 6 个

标签： python python-3.x

【解决方案1】：

解决此问题的最佳方法是使用set 集合类型。 set 是一个集合，其中所有元素都是唯一的。因此：

unique = set([ 'one', 'two', 'two']) 
len(unique) # is 2

您可以从一开始就使用一个集合，然后在其中添加单词：

unique.add('three')

这将在添加任何重复项时丢弃它们。或者，您可以收集列表中的所有元素并将列表传递给set() 函数，该函数将在那时删除重复项。我上面提供的示例显示了这种模式：

unique = set([ 'one', 'two', 'two'])
unique.add('three')

# unique now contains {'one', 'two', 'three'}

设置

您还可以将列表转换为集合，其中所有元素都必须是唯一的。不唯一的元素被丢弃：

helloString = ['hello', 'world', 'world', 'how', 'are', 'you', 'doing', 'today']
helloSet = set(helloString) #=> ['doing', 'how', 'are', 'world', 'you', 'hello', 'today']
uniqueWordCount = len(set(helloString)) #=> 7

这是sets进一步阅读的链接

计数器

您还可以使用计数器，如果您仍然需要该信息，它还可以告诉您单词的使用频率。

from collections import Counter

helloString = ['hello', 'world', 'world', 'how', 'are', 'you', 'doing', 'today']
counter = Counter(helloString)
len(counter) #=> 7
counter["world"] #=> 2

循环

在循环结束时，您可以检查count 的len，此外，您将helloString 错误输入为words：

uniqueWordCount = 0
helloString = ['hello', 'world', 'world', 'how', 'are', 'you', 'doing', 'today']
count = {}
for word in helloString:
   if word in count :
      count[word] += 1
   else:
      count[word] = 1
len(count) #=> 7

【讨论】：

您的循环版本只是复制了集合的功能，因为集合基本上是一个包含被忽略值的字典。
@jamylax，是的，但我将它包括在内，以防 OP 想要更详细的一个（这正是我还包括一组的原因）。我将循环示例移到按钮上。
如果您只将值始终设置为True，则count 没有理由成为字典。将其更改为 set
@jamylak 我使用了字典，因为 OP 使用了字典。如果他想而不是尝试设置版本，那很好。我更改了答案，以对 OP 的原始代码进行最小的更改。
现在这很有意义，因为您使用的是字典的值

【解决方案3】：

您可以使用collections.Counter

helloString = ['hello', 'world', 'world']

from collections import Counter

c = Counter(helloString)

print("There are {} unique words".format(len(c)))
print('They are')

for k, v in c.items():
    print(k)

我知道这个问题不是专门要求这个，而是为了维持秩序

helloString = ['hello', 'world', 'world', 'how', 'are', 'you', 'doing', 'today']

from collections import Counter, OrderedDict

class OrderedCounter(Counter, OrderedDict):
    pass

c = OrderedCounter(helloString)

print("There are {} unique words".format(len(c)))
print('They are')

for k, v in c.items():
    print(k)

【讨论】：

我不知道，也许有人认为我抄袭了。我没有。但正如你首先回答的那样，这些答案基本上是相同的，我不介意撤回我的答案。

【解决方案4】：

在您当前的代码中，您可以在已设置count[word] 的else 情况下增加uniqueWordCount，或者只是在字典中查找键的数量：len(count)。

如果你只想知道唯一元素的个数，那么获取set中的元素：len(set(helloString))

【讨论】：

【解决方案5】：

我会使用一组来做到这一点。

def stuff(helloString):
    hello_set = set(helloString)
    return len(hello_set)

【讨论】：

同样的事情和什么？您的意思是与您发布的答案相同，因为我正在写我的，因此无法看到此页面？感谢您指出了这一点。作为记录，我确实赞成你的回答......
以为你说的是“而不是使用”。我的错。删除了反对票。

【解决方案6】：

计数器是执行此操作的有效方法。这段代码类似于计数器，

text = ['hello', 'world']

# create empty dictionary
freq_dict = {}
 
# loop through text and count words
for word in text:
    # set the default value to 0
    freq_dict.setdefault(word, 0)
    # increment the value by 1
    freq_dict[word] += 1
 


for key,value in freq_dict.items():
    if value == 1:
         print(f'Word "{key}" has single appearance in the list')

Word "hello" has single appearance in the list
Word "world" has single appearance in the list

[Program finished]

【讨论】：

【解决方案7】：

我可能误读了这个问题，但我相信目标是找到在列表中只出现一次的所有元素。

from collections import Counter
helloString = ['hello', 'world', 'world', 'how', 'are', 'you', 'doing', 'today']
counter = Counter(helloString)
uniques = [value for value, count in counter.items() if count == 1]

这将为我们提供 6 个项目，因为“世界”在我们的列表中出现了两次：

>>> uniques
['you', 'are', 'doing', 'how', 'today', 'hello']

【讨论】：