Python：字典方法（词频统计相关）

在文本分析、日志处理以及自然语言处理中，词频统计（word frequency counting）通常以字典（dict）作为核心数据结构来保存统计结果。

字典是一种键值映射结构：

• 键（key）：词项（word / term）

• 值（value）：出现次数（frequency）

例如：

}

在词频统计流程中：

• 字符串方法负责文本清洗与切分

• 字典方法负责统计、更新与管理词频结果

字典提供基于哈希表（hash table）的键值映射结构，能够以平均 (1) 时间复杂度完成查找与更新，因此非常适合词频统计这一类“动态计数”任务。

一、创建与初始化词频字典

在统计开始前，通常需要创建一个空字典，用于保存统计结果。

freq = {}

当遍历词列表时，可以逐步更新字典中的统计值。

示例：

print(freq)

输出：

{'apple': 3, 'banana': 2, 'orange': 1}

这种方式体现了字典统计的基本逻辑：

• 若键不存在，则创建

• 若键存在，则更新值

二、安全读取词频值

在统计过程中，经常需要读取某个词当前的统计值。如果该词尚未出现，则可能产生异常。

get()

返回指定键对应的值；若键不存在，则返回默认值。

dict.get(key[, default])

参数说明：

• key：要查询的键

• default：键不存在时返回的默认值（默认 None）

示例：

print(freq.get("orange", 0))

输出：

0

在词频统计中，get() 常用于避免 KeyError。

例如：

    freq[w] = freq.get(w, 0) + 1

这种写法是 Python 中最常见的词频统计模式。

setdefault()

用于在访问键的同时，为不存在的键设置默认值。

dict.setdefault(key[, default])

参数说明：

• key：要查询的键

• default：当键不存在时插入的默认值（默认 None）

返回值：

• 若键存在，返回该键对应的值

• 若键不存在，则插入 key: default，并返回 default

示例：

print(freq)

输出：

{'apple': 3, 'banana': 0}

解释：

• "apple" 已存在，因此直接返回 3

• "banana" 不存在，因此创建 "banana": 0 并返回 0

在词频统计中，setdefault() 也可以用于初始化计数。

例如：

    freq[w] += 1

不过在实际代码中，更常见的写法仍然是使用 get() 函数。

三、更新词频统计

在统计过程中，需要不断更新字典中的值。

update()

使用另一个映射或键值对更新字典。

dict.update([other])

参数说明：

• other：映射对象（mapping）或 (key, value) 对序列

示例：

print(freq)

输出：

{'apple': 3, 'banana': 2}

在词频统计中，update() 主要用于合并统计结果。

例如：

freq1.update(freq2)

注意：

update() 会直接覆盖旧值，而不是累加，因此不适合直接合并两个词频统计结果。

如果需要累加词频，应当使用循环、 或自定义合并逻辑，因为 update() 的语义是覆盖映射关系，而不是执行数值运算。

四、删除词项

在某些场景下，需要从统计结果中删除某些词项，例如停用词（stopwords）或低频词。

pop()

删除指定键并返回其值。

dict.pop(key[, default])

参数说明：

• key：要删除的键

• default：键不存在时返回的默认值

示例：

print(freq)

输出：

{'apple': 3, 'banana': 2}

popitem()

删除并返回字典中的最后一个键值对（Python 3.7+ 为 LIFO）。

这是因为 Python 3.7 起字典保持插入顺序，因此 popitem() 会移除最近插入的元素。

dict.popitem()

示例：

print(freq.popitem())

输出：

('banana', 2)

该方法较少用于词频统计，但在某些数据结构处理中有价值。

五、遍历词频字典

统计完成后，通常需要遍历字典进行输出或进一步处理。

keys()

返回字典的所有键。

dict.keys()

示例：

    print(word)

输出：

banana

values()

返回字典的所有值。

dict.values()

示例：

print(list(freq.values()))

输出：

[3, 2]

items()

返回键值对视图。

dict.items()

示例：

    print(word, count)

输出：

banana 2

在词频统计中，items() 是最常用的遍历方式。

六、排序与输出

词频统计完成后，常常需要按照频次排序输出。

排序通常要用到内置函数 sorted()，并与字典的 items() 结合使用。

示例：

print(result)

输出：

[('apple', 3), ('banana', 2), ('orange', 1)]

解释：

• freq.items() 返回 (word, count) 结构

• item[1] 表示按频次排序

• reverse=True 表示降序排列

七、词频统计流程示例

下面给出一个简单的英文词频统计示例。

小结

在词频统计任务中，字典（dict）是保存统计结果的核心数据结构。通过 get() 可以安全地读取并更新计数，通过 update() 与 pop() 可以管理统计结果，通过 keys()、values()、items() 可以遍历词频数据，再结合 sorted() 即可完成按频次排序输出。字典基于哈希表实现，能够以接近 (1) 的效率完成查找与更新，因此非常适合动态词频统计。

“点赞有美意，赞赏是鼓励”