计算字符串中二元组的出现次数并将它们保存到字典中

Question

我用 Python 编写代码，我有一个字符串，我想计算该字符串中二元组的出现次数。我的意思是，例如，我有字符串"test string"，我想在大小为 2 的子字符串中遍历该字符串，并创建每个二元组的字典及其在原始字符串中的出现次数.
因此，我想获得{te: 1, es : 1, st: 2, ...} 形式的输出。

您能帮我开始吗？
最好的问候！

Answer 1

给定

s = "test string"

做

from collections import Counter
Counter(map(''.join, zip(s, s[1:])))

或

from collections import Counter
Counter(s[i:i+2] for i in range(len(s)-1))

两者的结果都是

Counter({'st': 2, 'te': 1, 'es': 1, 't ': 1, ' s': 1, 'tr': 1, 'ri': 1, 'in': 1, 'ng': 1})

Answer 2

附带说明，您正在寻找bigrams。对于更大的规模——在不同的机器学习/NLP 工具包中都有强大的实现。

作为一个临时解决方案，问题应该被分解为

1. 按顺序迭代“当前和下一个元素”
2. 计算唯一对。

---

问题 #1 的解决方案是来自 itertools recipes 的 pairwise

问题 #2 的解决方案是Counter

---

综合起来就是

from itertools import tee

def pairwise(iterable):
    a, b = tee(iterable)
    next(b, None)
    return zip(a, b)

Counter(pairwise('test string'))

Answer 3

我认为这样的事情简单易行，不需要import任何库。

首先，我们使用join()从字符串中删除所有空格。
然后我们构造一个包含所有子字符串的list，步长为2。
最后我们构造 print() 和 dictionary，它以所有子字符串为键，它们各自在原始字符串中的出现作为值。

substr = [] # Initialize empty list that contains all substrings.
step = 2 # Initialize your step size.
s = ''.join('test string'.split()) # Remove all whitespace from string.
for i in range(len(s)):
    substr.append(s[i: i + step])
# Construct and print a dictionary which counts all occurences of substrings.
occurences = {k: substr.count(k) for k in substr if len(k) == step}
print(occurences) 

运行时，它会按照您的要求输出字典：

{'te': 1, 'es': 1, 'st': 2, 'ts': 1, 'tr': 1, 'ri': 1, 'in': 1, 'ng': 1}