Частота подсчета букв в списке слов, исключая дубликаты в одном слове

Я пытаюсь найти наиболее часто встречающееся письмо в списке слов. Я борюсь с алгоритмом, потому что мне нужно подсчитывать частоту букв в слове только один раз, пропуская дубликаты, поэтому мне нужна помощь в поиске способа подсчета частоты букв во всем списке только с одним вхождением на слово, игнорируя Второе явление.

Например, если у меня есть:

words=["tree","bone","indigo","developer"]

Частота будет:

letters={a:0, b:1, c:0, d:2, e:3, f:0, g:1, h:0, i:1, j:0, k:0, l:1, m:0, n:2, o:3, p:1, q:0, r:2, s:0, t:1, u:0, v:1, w:0, x:0, y:0, z:0}

Как видно из словаря букв: "е" равно 3, а не 5, потому что, если "е" повторяется более одного раза в одном и том же слове, его следует игнорировать.

Это алгоритм, который я придумал, он реализован на Python:

for word in words:
    count=0;

    for letter in word:
        if(letter.isalpha()):
            if((letters[letter.lower()] > 0  && count == 0) ||
               (letters[letter.lower()] == 0 && count == 0)):

                    letters[letter.lower()]+=1
                    count=1

            elif(letters[letter.lower()]==0 && count==1):   
                letters[letter.lower()]+=1

Но это все еще требует работы, и я не могу думать ни о чем другом, я был бы рад любому, кто поможет мне подумать о рабочем решении.

Ответ 1

Вариант ответа @Primusa без обновления:

from collections import Counter

words = ["tree", "bone", "indigo", "developer"]
counts = Counter(c for word in words for c in set(word.lower()) if c.isalpha())

Выход

Counter({'e': 3, 'o': 3, 'r': 2, 'd': 2, 'n': 2, 'p': 1, 'i': 1, 'b': 1, 'v': 1, 'g': 1, 'l': 1, 't': 1})

В основном конвертируйте каждое слово в набор, а затем итерируйте по каждому набору.

Ответ 2

Создайте объект счетчика, а затем обновите его наборами для каждого слова:

from collections import Counter

wordlist = ["tree","bone","indigo","developer"]

c = Counter()
for word in wordlist:
    c.update(set(word.lower()))

print(c)

Выход:

Counter({'e': 3, 'o': 3, 'r': 2, 'n': 2, 'd': 2, 't': 1, 'b': 1, 'i': 1, 'g': 1, 'v': 1, 'p': 1, 'l': 1})

Обратите внимание, что, хотя письма, которые не присутствовали в wordlist нет в в Counter, это хорошо, потому что Counter ведет себя как defaultdict(int), поэтому доступ к значению нет автоматически возвращает значение по умолчанию 0.

Ответ 3

Один без счетчика

words=["tree","bone","indigo","developer"]
d={}
for word in words:         # iterate over words
    for i in set(word):    # to remove the duplication of characters within word
        d[i]=d.get(i,0)+1

Выход

{'b': 1,
 'd': 2,
 'e': 3,
 'g': 1,
 'i': 1,
 'l': 1,
 'n': 2,
 'o': 3,
 'p': 1,
 'r': 2,
 't': 1,
 'v': 1}

Ответ 4

Сравнение скорости представленных решений:

def f1(words):
    c = Counter()
    for word in words:
        c.update(set(word.lower()))
    return c

def f2(words):
    return Counter(
        c
        for word in words
        for c in set(word.lower()))

def f3(words):
    d = {}
    for word in words:
        for i in set(word.lower()):
            d[i] = d.get(i, 0) + 1
    return d

Моя функция синхронизации (используя разные размеры для списка слов):

word_list = [
    'tree', 'bone', 'indigo', 'developer', 'python',
    'language', 'timeit', 'xerox', 'printer', 'offset',
]

for exp in range(5):
    words = word_list * 10**exp

    result_list = []
    for i in range(1, 4):
        t = timeit.timeit(
            'f(words)',
            'from __main__ import words,  f{} as f'.format(i),
            number=100)
        result_list.append((i, t))

    print('{:10,d} words | {}'.format(
        len(words),
        ' | '.join(
            'f{} {:8.4f} sec'.format(i, t) for i, t in result_list)))

Результаты, достижения:

        10 words | f1   0.0028 sec | f2   0.0012 sec | f3   0.0011 sec
       100 words | f1   0.0245 sec | f2   0.0082 sec | f3   0.0113 sec
     1,000 words | f1   0.2450 sec | f2   0.0812 sec | f3   0.1134 sec
    10,000 words | f1   2.4601 sec | f2   0.8113 sec | f3   1.1335 sec
   100,000 words | f1  24.4195 sec | f2   8.1828 sec | f3  11.2167 sec

Counter с пониманием списка (здесь как f2()) кажется самым быстрым. Использование counter.update() кажется медленной точкой (здесь как f1()).

Ответ 5

Попробуйте использовать словарь понимания:

import string
print({k:max(i.count(k) for i in words) for k in string.ascii_lowercase})

Ответ 6

Слишком поздно для вечеринки, но здесь вы идете:

freq = {k: sum(k in word for word in words) for k in set(''.join(words))}

который возвращает:

{'i': 1, 'v': 1, 'p': 1, 'b': 1, 'e': 3, 'g': 1, 't': 1, 'n': 2, 'd': 2, 'o': 3, 'l': 1, 'r': 2}

Ответ 7

from collections import Counter  
import string  

words=["tree","bone","indigo","developer"]  
y=Counter(string.ascii_lowercase)  
new_dict=dict(y) 

for k in new_dict:  
    new_dict[k]=0  
trial = 0  
while len(words) > trial:  
    for let in set(words[trial]):    
        if let in new_dict:  
            new_dict[str(let)]=new_dict[str(let)]+1  

    trial = trial +1  
print(new_dict)

Ответ 8

Другие решения хороши, но они конкретно не включают буквы с нулевой частотой. Здесь подход, который делает, но примерно в 2-3 раза медленнее, чем другие.

import string
counts = {c: len([w for w in words if c in w.lower()]) for c in string.ascii_lowercase}

который производит dict как это:

{'a': 4, 'b': 2, 'c': 2, 'd': 4, 'e': 7, 'f': 2, 'g': 2, 'h': 3, 'i': 7, 'j': 0, 'k': 0, 'l': 4, 'm': 5, 'n': 4, 'o': 4, 'p': 1, 'q': 0, 'r': 5, 's': 3, 't': 3, 'u': 2, 'v': 0, 'w': 3, 'x': 0, 'y': 2, 'z': 1}

Вот мое обновление времени Ральфа:

        10 words | f1   0.0004 sec | f2   0.0004 sec | f3   0.0003 sec | f4   0.0010 sec
       100 words | f1   0.0019 sec | f2   0.0014 sec | f3   0.0013 sec | f4   0.0034 sec
     1,000 words | f1   0.0180 sec | f2   0.0118 sec | f3   0.0140 sec | f4   0.0298 sec
    10,000 words | f1   0.1960 sec | f2   0.1278 sec | f3   0.1542 sec | f4   0.2648 sec
   100,000 words | f1   2.0859 sec | f2   1.3971 sec | f3   1.6815 sec | f4   3.5196 sec

на основе следующего кода и списка слов из https://github.com/dwyl/english-words/

import string
import timeit
import random
from collections import Counter

def f1(words):
    c = Counter()
    for word in words:
        c.update(set(word.lower()))
    return c

def f2(words):
    return Counter(
        c
        for word in words
        for c in set(word.lower()))

def f3(words):
    d = {}
    for word in words:
        for i in set(word.lower()):
            d[i] = d.get(i, 0) + 1
    return d


def f4(words):
    d = {c: len([w for w in words if c in w.lower()]) for c in string.ascii_lowercase} 
    return d


with open('words.txt') as word_file:
    valid_words = set(word_file.read().split())

for exp in range(5):

    result_list = []
    for i in range(1, 5):
        t = timeit.timeit(
            'f(words)',
            'from __main__ import f{} as f, valid_words, exp; import random; words = random.sample(valid_words, 10**exp)'.format(i),
            number=100)
        result_list.append((i, t))

    print('{:10,d} words | {}'.format(
        len(words),
        ' | '.join(
            'f{} {:8.4f} sec'.format(i, t) for i, t in result_list)))

print(f4(random.sample(valid_words, 10000)))
print(f4(random.sample(valid_words, 1000)))
print(f4(random.sample(valid_words, 100)))
print(f4(random.sample(valid_words, 10)))