删除所有出现在列表中少于 1% 和超过 60% 的元素答案

【问题标题】：Remove all elements which occur in less than 1% and more than 60% of the list删除所有出现在列表中少于 1% 和超过 60% 的元素
【发布时间】：2013-08-09 00:11:58
【问题描述】：

如果我有这个字符串列表：

['fsuy3,fsddj4,fsdg3,hfdh6,gfdgd6,gfdf5',
'fsuy3,fsuy3,fdfs4,sdgsdj4,fhfh4,sds22,hhgj6,xfsd4a,asr3']

（大名单）

如何删除出现在少于 1% 和超过 60% 的字符串中的所有单词？

【问题讨论】：

列表是您可以在这里使用的唯一数据结构吗？字符串如何填充到列表中
字符串保证是逗号分隔的单词列表？而且您对那些逗号分隔的单词（例如“fsuy3”）感兴趣，而不是您显示的列表中的元素（例如，“fsuy3,fsddj4,...”）。
在标题中你说“出现在列表中”和在问题正文中在“出现在字符串中”，你想要哪一个？

标签： python list

【解决方案1】：

您可以使用collections.Counter：

counts = Counter(mylist)

然后：

newlist = [s for s in mylist if 0.01 < counts[s]/len(mylist) < 0.60]

（在 Python 2.x 中使用 float(counts[s])/len(mylist)）

如果你说的是逗号分隔的词，那么你可以使用类似的方法：

words = [l.split(',') for l in mylist]

counts = Counter(word for l in words for word in l)

newlist = [[s for s in l if 0.01 < counts[s]/len(mylist) < 0.60] for l in words]

【讨论】：

我不确定 OP 在寻找什么，但我不认为就是这样。看起来 OP 想要查看列表元素的逗号分隔子字符串。

【解决方案2】：

简单的解决方案

occurrences = dict()
for word in words:
  if word not in occurrences:
     occurrences[word] = 1
  else:
     occurrences[word] += 1

result = [word for word in words 0.01 <= occurrences[word] /len(words) <= 0.6]

【讨论】：

而不是测试单词是否出现，您可以使用 default_dict。而不是 default_dict，您可以使用 Counter，它可以完成所有这些。

【解决方案3】：

我猜你想要这个：

    from collections import Counter,Set

# break up by ',' and remove duplicate words on each line
    st = [set(s.split(',')) for s in mylist]

# Count all the words
    count = Counter([word for line in st for word in line])

# Work out which words are allowed
    allowed = [s for s in count if 0.01 < counts[s]/len(mylist) < 0.60]

#For each row in the original list. If the word is allowed then keep it
    result = [[w for w in s.split(',') if w in allowed] for s in mylist]

    print result

【讨论】：